pandas.DataFrame.transpose

DataFrame.transpose(*args, copy=False)

转置索引和列。

通过将行写为列，反之亦然，使 DataFrame 围绕其主对角线进行反射。 属性 T 是方法 transpose() 的访问器。

Parameters:

*args元组，可选

为兼容 NumPy 而接受。

copybool，默认 False

是否在转置后复制数据，即使对于具有单一 dtype 的 DataFrame 也是如此。

请注意, 对于混合 dtype 的 DataFrame 或具有任何扩展类型的 DataFrame, 总是需要复制。

备注

copy 关键字在 pandas 3.0 中将更改行为。Copy-on-Write 将默认启用，这意味着所有带有 copy 关键字的方法都将使用惰性复制机制来延迟复制并忽略 copy 关键字。copy 关键字将在 pandas 的未来版本中移除。

通过启用 copy on write pd.options.mode.copy_on_write = True，您可以获得未来的行为和改进。

Returns:

DataFrame

转置后的DataFrame。

参见

numpy.transpose

置换给定数组的维度。

Notes

转置具有混合 dtype 的 DataFrame 将导致具有 object dtype 的同质 DataFrame。 在这种情况下, 总是会复制数据。

Examples

具有同质 dtype 的方 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

当原始 DataFrame 的 dtype 是同质的时, 我们会得到一个具有相同 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 dtype 的非方 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   8.0
employed  False  True
kids          0     0

当 DataFrame 具有混合 dtype 时, 我们会得到一个具有 object 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