Pandas.DataFrame.T 快速转置 详解 含代码 含测试数据集 随Pandas版本持续更新

关于Pandas版本： 本文基于 pandas2.1.2 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

Pandas稳定版更新及变动内容整合专题： Pandas稳定版更新及变动迭持续更新。

Pandas API参考所有内容目录

Pandas.DataFrame.T

DataFrame.T 是 DataFrame.transpose 的访问器，可以用于快速转置，如果需要精细控制是否创建数据副本，可以使用 DataFrame.transpose()

⚠️ 注意 :

转置单一数据类型的 DataFrame 默认不会创建数据副本，转之后的数据修改，会作用于原始数据。^例1。如果不想数据修改影响原始数据，请使用 DataFrame.transpose() 并设置 copy=True ^例1-4

转换具有混合数据类型的 DataFrame 将导致具有 object 数据类型的同质 DataFrame 。在这种情况下，即使用 DataFrame.transpose() 并设置 copy=False 也将制作数据的副本。^例2

语法：

DataFrame.T

返回值：

• DataFrame
  • 返回转之后的 DataFrame。

相关方法：

➡️ 相关方法

---

• DataFrame.transpose

  转置

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

例1：具有单一数据类型的 DataFrame 不会自动创建数据副本, 转之后的数据修改，会作用于原始数据

• 例1-1、 构建演示数据，并观察数据类型

import pandas as pd

# 构建演示数据
d1 = {
   "col1": [1, 2], "col2": [3, 4]}
df = pd.DataFrame(data=d1)

# 观察数据类型BaseException
df.dtypes

col1    int64
col2    int64
dtype: object

观察上面结果，可以发现，col1和col2两列的数据类型相同

• 例1-2、 进行转置

# 转置
df1 = df.T
df1

• 例1-3、 对转之后的数据修改数据，然后观察原始数据

# 修改df1的值
df1.iloc[0, 0] = 100
# 观察原始数据df
df

由上面结果可以发现，数据类型相同，转之后并没有创建数据副本，对转置数据的修改，会反应在原始数据中。

• 例1-4、 使用 df.transpose 设置 copy=True, 对转之后的数据修改数据，则不会修改原始数据。

import pandas as pd

# 构建演示数据
d1 = {
   "col1": [1, 2], "col2": [3, 4]}
df = pd.DataFrame(data=d1)

# 转置
df2 = df.transpose(copy=True)

# 修改转之后的数据
df2.iloc[0, 0] = 100

# 观察原始数据
df

由上面结果可以发现，具有统一数据类型的 DataFrame 设置 copy=True 转置后，转置数据的修改，不会反映在原始数据。

例2：转置混合数据类型的 DataFrame 将始终创建数据副本，即便 copy=False

import pandas as pd

# 构建演示数据
d2 = {
   'name': ['Alice', 'Bob'],
      'score': [9.5, 8],
      'employed': [False, True],
      'kids': [0, 0]}
df2 = pd.DataFrame(data=d2)
# 设置copy=False 转置
df3 = df.transpose(copy=False)

# 修改df3的数据
df3.iloc[0,0] = 1000

# 观察原始数据
df
df2

由上面结果可以发现，即便转置时设置 copy=False ,转置后的数据修改，也没有作用于原始数据，这说明转置混合数据类型的 DataFrame 将始终创建数据副本