DataFrame.transpose(*args, copy=False) [source]
转置索引和列。
通过将行写为列将DataFrame反映在其主要对角线上,反之亦然。该属性T是方法的访问器 transpose()。
参数: | *args : 接受与 copy : 是否在转置后复制数据, 即使对于具有单个 请注意, 对于混合 始终需要副本。 |
返回值: | DataFrame 转置的DataFrame。 |
Notes
转换带有混合dtypes
的DataFrame
将导致对象 dtype
具有同构的DataFrame
。在这种情况下,始终会复制数据。
例子
具有齐次dtype的Square DataFrame
>>> d1 = {'col1': [1, 2], 'col2': [3, 4]} >>> df1 = pd.DataFrame(data=d1) >>> df1 col1 col2 0 1 3 1 2 4 >>> df1_transposed = df1.T # or df1.transpose() >>> df1_transposed 0 1 col1 1 2 col2 3 4
当dtype在原始DataFrame中是同构的时,我们将获得具有相同dtype的转置DataFrame:
>>> df1.dtypes col1 int64 col2 int64 dtype: object >>> df1_transposed.dtypes 0 int64 1 int64 dtype: object
具有混合dtypes的非方形DataFrame
>>> d2 = {'name': ['Alice', 'Bob'], ... 'score': [9.5, 8], ... 'employed': [False, True], ... 'kids': [0, 0]} >>> df2 = pd.DataFrame(data=d2) >>> df2 name score employed kids 0 Alice 9.5 False 0 1 Bob 8.0 True 0 >>> df2_transposed = df2.T # or df2.transpose() >>> df2_transposed 0 1 name Alice Bob score 9.5 8 employed False True kids 0 0
当DataFrame具有混合的dtypes时,我们得到一个对象 dtype的转置DataFrame :
>>> df2.dtypes name object score float64 employed bool kids int64 dtype: object >>> df2_transposed.dtypes 0 object 1 object dtype: object