所謂**數據轉置**，就是是將原始數據表格沿著對角線翻折，使原來的行變成新的列，原來的列變成新的行，從而更方便地進行數據分析和處理。 `pandas`中`DataFrame`的轉置非常簡單，每個`DataFrame`對象都有一個`T`屬性，通過這個屬性就能得到轉置之後的`DataFrame`。下麵介 ...
所謂數據轉置，就是是將原始數據表格沿著對角線翻折，使原來的行變成新的列，原來的列變成新的行，從而更方便地進行數據分析和處理。
pandas中DataFrame的轉置非常簡單，每個DataFrame對象都有一個T屬性，通過這個屬性就能得到轉置之後的DataFrame。
下麵介紹幾個數據轉置常用的場景，感受下轉置前後數據展示的區別。
1. 數據結構調整
有時候原始數據在行列方向上不太適合某些數據分析和處理需求，需要將其調整為合適的數據結構。
某些機器學習演算法要求輸入特征矩陣的行表示樣本，列表示特征值，這時候就需要將原始數據表格進行轉置。
比如，隨機生成10個樣本數據，每個樣本有200個特征值：
import pandas as pd
df = pd.DataFrame(np.random.rand(200, 10))
df.columns = [
"SAMPLE_"+s for s in list("ABCDEFGHIJ")
]
df
每列代表一個樣本的所有特征的值，樣本名稱是按字母順序生成的。
每行代表所有樣本的一種特征值。
如果要讓列顯示各個特征值，行代表一個個樣本的話，就需要轉置操作。
df.T
轉置之後，每行代表一個樣本的所有特征的值，更有利於觀察每個樣本的特征。
2. 數據展示效果
有時候為了更好地呈現數據，需要將原始數據表格進行轉置。
在製作某些類型的圖表或者報告中，將數據表格轉置可以更加直觀地展示重點數據信息。
比如，有如下學生成績數據：
df = pd.DataFrame(
np.random.randint(60, 100, (4, 3))
)
df.columns = ["語文", "數學", "英語"]
df.index = ["學生"+s for s in list("ABCD")]
df
這樣的視圖適合查看每個學生的成績情況。
這樣的結構以學生為主要視角，可以繪製各個學生的學科堆疊柱狀圖等。
轉置之後如下：
df.T
這樣的視圖以學科為主要視角，方便查看每個學科的學習情況。
這樣的結構適合繪製每個學科的學生成績堆疊柱狀圖等。
此外，查看DataFrame概況信息時，也常常會轉置之後查看。
df = pd.DataFrame(np.random.rand(200, 10))
df.columns = [
"SAMPLE_" + s for s in list("ABCDEFGHIJ")
]
df.describe()
轉置之後是這樣的，可以體會在不同的視角下，數據給我們的感覺。
df.describe().T
