書中開頭内容如下:
英文版:
A common way to store multiple time series in databases and CSV is in so-called long
or stacked format:
In [116]: ldata[:10]
Out[116]:
date item value
0 1959-03-31 00:00:00 realgdp 2710.349
1 1959-03-31 00:00:00 infl 0.000
2 1959-03-31 00:00:00 unemp 5.800
3 1959-06-30 00:00:00 realgdp 2778.801
4 1959-06-30 00:00:00 infl 2.340
5 1959-06-30 00:00:00 unemp 5.100
6 1959-09-30 00:00:00 realgdp 2775.488
7 1959-09-30 00:00:00 infl 2.740
8 1959-09-30 00:00:00 unemp 5.300
9 1959-12-31 00:00:00 realgdp 2785.204
中文版:
時間序列資料通常是已所謂的“長格式”或“堆疊格式”存儲在資料庫和CSV中
ldata=pd.read_excel('data/data.xlsx')
print ldata
pivoted=ldata.pivot('date','item','value')
print pivoted
結果為:......
.........................
//。。。。。。。。。。。。。。。。。。。。分隔符。。。。。。。。。。。。。。。。。。。。。。。。。。。。、、//
以上文字是我在閱讀《利用Python進行資料分析》一書中在中文版第202頁(英文版第192頁)中發現該 ldata 在前文中完全沒有提及是如何實作的,譯者也提出了這個問題,對于如何實作該變量,隻給了一個小提示,沒有代碼,我上網谷歌也沒有發現源代碼,後來在原書附帶源碼中找到了該實作代碼,現在貼出來如下所示:
data = pd.read_csv('ch07/macrodata.csv')
periods = pd.PeriodIndex(year=data.year, quarter=data.quarter, name='date')
data = DataFrame(data.to_records(),
columns=pd.Index(['realgdp', 'infl', 'unemp'], name='item'),
index=periods.to_timestamp('D', 'end'))
ldata = data.stack().reset_index().rename(columns={0: 'value'})
wdata = ldata.pivot('date', 'item', 'value')