轴向旋转

统计数据时，有些数据会因为时间的不同而发生变化。例如，某件商品的价格在非活动期间为50元，而在活动期间商品的价格为30元，这就造成同一件商品在不同时间对应不同的价格，如图1所示为商品在活动与非活动期间的价格变化，其中5月25日为非活动期间，6月18日为活动期间。

图1 商品信息

在图1的表格中，同一款商品的在活动前后的价格无法很直观地看出来。为此，我们可以将商品的名称作为列索引，出售日期作为行索引，价格作为表格中的数据，此时每一行展示了同一日期不同手机品牌的价格，如图2所示。

图2 商品信息

与图1相比，图2更直观地看出活动前后的价格浮动，

在Pandas中pivot()方法提供了这样的功能，它会根据给定的行索引或列索引重新组织一个DataFrame对象，其语法格式如下：

DataFrame.pivot(index=None, columns=None, values=None)

上述方法中部分参数表示的含义如下：

(1) index：用于创建新DataFrame对象的行索引。如果未设置，则使用原DataFrame对象的索引。

(2) columns：用于创建新DataFrame对象的列索引。如果未设置，则使用原DataFrame对象的索引。

(3) values：用于填充新DataFrame对象中的值。

接下来，我们通过一个示例来演示如何使用pivot()方法来对DataFrame对象进行轴向旋转操作，具体如下：

In [38]: import pandas as pd
         df = pd.DataFrame({'商品名称': ['荣耀9青春版','小米6x','OPPO A1',
                                     '荣耀9青春版','小米6x','OPPO A1'],
                            '出售日期': ['2017年5月25日', '2017年5月25日',
                                     '2017年5月25日','2017年6月18日',
                                     '2017年6月18日', '2017年6月18日'],
                            '价格': ['999元', '1399元', '1399元',
                                   '800元', '1200元', '1250元']})
         df.pivot(index='出售日期', columns='商品名称', values='价格')

  Out[38]:
​           商品名称  OPPO A1  小米6x 荣耀9青春版
​           出售日期
​      2017年5月25日   1399元 1399元    999元
​     2017年6月18日   1250元 1200元    800元