数据集中性表格（数据行列转置数据透视）

在逛CSDN论坛时遇到这样一个问题：

下列代码中srcdf和desdf都是Pandas的DataFrame对象，需要将srcdf转换为desdf，也就是根据列中的值拓展新的列，关系数据库报表中常见的需求，请问用DataFrame要如何实现？

2. print(srcdf)
3. 姓名 性别 科目 分数
4. 编号
5. 0 刘玄德 男 语文 98
6. 1 刘玄德 男 数学 60
7. 2 刘玄德 男 体育 50
8. 3 关云长 男 语文 60
9. 4 关云长 男 数学 60
10. 5 关云长 男 体育 100
12. [6 rows x 4 columns]
14. print(desdf)
15. 姓名 性别 语文 数学 体育 平均分
16. 编号
17. 0 刘玄德 男 98 60 50 66.666667
18. 1 关云长 男 60 60 100 73.333333
20. [2 rows x 6 columns]

经过分析，发现实际是将那么分组，将科目展开，即《利用pandas进行数据分析》第七章 数据转换下的将‘长格式’转换为‘宽格式’ 问题。论坛里已经有一种解决办法了：

2. In [148]: from pandas import Series,DataFrame
3. ...: a=[['刘玄德','男','语文',98.],['刘玄德','男','体育',60.],['关云长','男','数学',60.],['关云长','男','语文',100.]]
4. ...: af=DataFrame(a,columns=['name','sex','course','score'])
6. In [149]: af
7. Out[149]:
8. name sex course score
9. 0 刘玄德 男 语文 98
10. 1 刘玄德 男 体育 60
11. 2 关云长 男 数学 60
12. 3 关云长 男 语文 100
14. In [150]: af.set_index(['name','sex','course'],inplace='TRUE')
16. In [151]: af
17. Out[151]:
18. score
19. name sex course
20. 刘玄德 男 语文 98
21. 体育 60
22. 关云长 男 数学 60
23. 语文 100
25. In [152]: t1=af.unstack(level=2)
27. In [153]: t1
28. Out[153]:
29. score
30. course 体育 数学 语文
31. name sex
32. 关云长 男 NaN 60 100
33. 刘玄德 男 60 NaN 98
35. In [154]: t2=t1.mean(axis=1,skipna=True)
37. In [155]: t2
38. Out[155]:
39. name sex
40. 关云长 男 80
41. 刘玄德 男 79
42. dtype: float64
44. In [156]: t1['平均分']=t2
46. In [157]: t1
47. Out[157]:
48. score 平均分
49. course 体育 数学 语文
50. name sex
51. 关云长 男 NaN 60 100 80
52. 刘玄德 男 60 NaN 98 79
54. In [158]: t1.fillna(0)
55. Out[158]:
56. score 平均分
57. course 体育 数学 语文
58. name sex
59. 关云长 男 0 60 100 80
60. 刘玄德 男 60 0 98 79

首先使用set_index 重建索引，这个函数很厉害，实际上是做了分组（groupby）和重建索引的工作。然后用unstack将行转换成列，最后算平均数，然后组合到一起。这里关键用到set_index(),unstack()。默认情况下，unstack的操作就是最内层的（这里就是level=2）,除了传统分级编号，也可以用名称对其unstack。如果数据在分组中找不到的话会引入NaN。

下面我尝试用pivot和pivot_table解这个问题：

2. #解法2：
3. In [126]: a=[['刘玄德','男','语文',98.],['刘玄德','男','体育',60.],['关云长','男','数学',60.],['关云长','男','语文',100.]]
4. ...: af=DataFrame(a,columns=['name','sex','course','score'])
5. In [127]: af2=af.pivot('name','course','score') #使用pviot
6. In [128]: af2['avg']=af2.mean(axis=1)
7. In [129]: af2.fillna(0)
8. Out[129]:
9. course 体育 数学 语文 avg
10. name
11. 关云长 0 60 100 80
12. 刘玄德 60 0 98 79
13. In [130]: af2
14. Out[130]:
15. course 体育 数学 语文 avg
16. name
17. 关云长 NaN 60 100 80
18. 刘玄德 60 NaN 98 79
19. In [131]: af2[af2.isnull()]=0
20. In [132]: af2
21. Out[132]:
22. course 体育 数学 语文 avg
23. name
24. 关云长 0 60 100 80
25. 刘玄德 60 0 98 79

pivot的前两个参数值分别作用于行和列索引，最后一个参数值则是用于填充DaraFrame的数据列的列名。在《利用pandas进行数据分析》第七章 数据转换下的将‘长格式’转换为‘宽格式’ 中作者一语道破了pivot和上面做法的区别：

接下来我尝试用更简单的方法去得到上面的结果，在《利用pandas进行数据分析》书中，第九章 讲了透视表和交叉表。

pivot_table 就是数据透视表，用过EXCEL数据透视表的对此肯定很熟悉。不过目前函数的参数有所更新，原来的rows变成了index，cols变成了columns。

2. #解法3：
3. af.pivot_table('score',index='name',columns='course',aggfunc='mean',margins=True,fill_value=0)
4. Out[141]:
5. course 体育 数学 语文 All
6. name
7. 关云长 0 60 100 80.0
8. 刘玄德 60 0 98 79.0
9. All 60 60 99 79.5