python - 如何旋转数据框-6ren

python - 如何旋转数据框

转载作者：行者123 更新时间：2023-11-28 18:56:09

什么是pivot？
我该如何旋转？
这是支点吗？
长格式到宽格式？
我见过很多关于透视表的问题。即使他们不知道他们在询问透视表，他们通常是。几乎不可能写出一个包含旋转所有方面的标准问答。。。。
... 但我要试一试。
现有的问题和答案的问题是，问题往往集中在OP难以概括的细微差别，以便使用现有的许多好答案。然而，没有一个答案试图给出一个全面的解释（因为这是一项艰巨的任务）
看看我的google search中的几个例子
How to pivot a dataframe in Pandas?
好的问题和答案。但答案只回答了具体问题，几乎没有解释。
pandas pivot table to data frame
在这个问题中，OP与pivot的输出有关。也就是柱子的样子。OP希望它看起来像R。这对熊猫用户没有太大帮助。
pandas pivoting a dataframe, duplicate rows
另一个不错的问题，但答案集中在一种方法上，即pd.DataFrame.pivot
因此，每当有人搜索pivot时，他们都会得到零星的结果，这些结果很可能无法回答他们的特定问题。
安装程序
您可能会注意到，我显著地命名了我的列和相关的列值，以对应于下面的答案中我将如何旋转。请注意，这样您就可以熟悉哪些列名要到哪里才能得到您要查找的结果。

import numpy as np
import pandas as pd
from numpy.core.defchararray import add

np.random.seed([3,1415])
n = 20

cols = np.array(['key', 'row', 'item', 'col'])
arr1 = (np.random.randint(5, size=(n, 4)) // [2, 1, 2, 1]).astype(str)

df = pd.DataFrame(
    add(cols, arr1), columns=cols
).join(
    pd.DataFrame(np.random.rand(n, 2).round(2)).add_prefix('val')
)
print(df)

     key   row   item   col  val0  val1
0   key0  row3  item1  col3  0.81  0.04
1   key1  row2  item1  col2  0.44  0.07
2   key1  row0  item1  col0  0.77  0.01
3   key0  row4  item0  col2  0.15  0.59
4   key1  row0  item2  col1  0.81  0.64
5   key1  row2  item2  col4  0.13  0.88
6   key2  row4  item1  col3  0.88  0.39
7   key1  row4  item1  col1  0.10  0.07
8   key1  row0  item2  col4  0.65  0.02
9   key1  row2  item0  col2  0.35  0.61
10  key2  row0  item2  col1  0.40  0.85
11  key2  row4  item1  col2  0.64  0.25
12  key0  row2  item2  col3  0.50  0.44
13  key0  row4  item1  col4  0.24  0.46
14  key1  row3  item2  col3  0.28  0.11
15  key0  row3  item1  col1  0.31  0.23
16  key0  row0  item2  col3  0.86  0.01
17  key0  row4  item0  col3  0.64  0.21
18  key2  row2  item2  col0  0.13  0.45
19  key0  row2  item0  col4  0.37  0.70

问题
为什么我得到 ValueError: Index contains duplicate entries, cannot reshape
如何旋转 df使 col值为列， row值为索引， val0的平均值为值？

col   col0   col1   col2   col3  col4
row                                  
row0  0.77  0.605    NaN  0.860  0.65
row2  0.13    NaN  0.395  0.500  0.25
row3   NaN  0.310    NaN  0.545   NaN
row4   NaN  0.100  0.395  0.760  0.24

如何旋转 df使 col值为列， row值为索引， val0的平均值为值，缺少的值为 0？

col   col0   col1   col2   col3  col4
row                                  
row0  0.77  0.605  0.000  0.860  0.65
row2  0.13  0.000  0.395  0.500  0.25
row3  0.00  0.310  0.000  0.545  0.00
row4  0.00  0.100  0.395  0.760  0.24

我能不能买点别的东西，比如说 mean？

col   col0  col1  col2  col3  col4
row                               
row0  0.77  1.21  0.00  0.86  0.65
row2  0.13  0.00  0.79  0.50  0.50
row3  0.00  0.31  0.00  1.09  0.00
row4  0.00  0.10  0.79  1.52  0.24

我可以一次多做一个聚合吗？

       sum                          mean                           
col   col0  col1  col2  col3  col4  col0   col1   col2   col3  col4
row                                                                
row0  0.77  1.21  0.00  0.86  0.65  0.77  0.605  0.000  0.860  0.65
row2  0.13  0.00  0.79  0.50  0.50  0.13  0.000  0.395  0.500  0.25
row3  0.00  0.31  0.00  1.09  0.00  0.00  0.310  0.000  0.545  0.00
row4  0.00  0.10  0.79  1.52  0.24  0.00  0.100  0.395  0.760  0.24

我可以聚合多个值列吗？

      val0                             val1                          
col   col0   col1   col2   col3  col4  col0   col1  col2   col3  col4
row                                                                  
row0  0.77  0.605  0.000  0.860  0.65  0.01  0.745  0.00  0.010  0.02
row2  0.13  0.000  0.395  0.500  0.25  0.45  0.000  0.34  0.440  0.79
row3  0.00  0.310  0.000  0.545  0.00  0.00  0.230  0.00  0.075  0.00
row4  0.00  0.100  0.395  0.760  0.24  0.00  0.070  0.42  0.300  0.46

可以按多个列细分吗？

item item0             item1                         item2                   
col   col2  col3  col4  col0  col1  col2  col3  col4  col0   col1  col3  col4
row                                                                          
row0  0.00  0.00  0.00  0.77  0.00  0.00  0.00  0.00  0.00  0.605  0.86  0.65
row2  0.35  0.00  0.37  0.00  0.00  0.44  0.00  0.00  0.13  0.000  0.50  0.13
row3  0.00  0.00  0.00  0.00  0.31  0.00  0.81  0.00  0.00  0.000  0.28  0.00
row4  0.15  0.64  0.00  0.00  0.10  0.64  0.88  0.24  0.00  0.000  0.00  0.00

或者

item      item0             item1                         item2                  
col        col2  col3  col4  col0  col1  col2  col3  col4  col0  col1  col3  col4
key  row                                                                         
key0 row0  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.86  0.00
     row2  0.00  0.00  0.37  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.50  0.00
     row3  0.00  0.00  0.00  0.00  0.31  0.00  0.81  0.00  0.00  0.00  0.00  0.00
     row4  0.15  0.64  0.00  0.00  0.00  0.00  0.00  0.24  0.00  0.00  0.00  0.00
key1 row0  0.00  0.00  0.00  0.77  0.00  0.00  0.00  0.00  0.00  0.81  0.00  0.65
     row2  0.35  0.00  0.00  0.00  0.00  0.44  0.00  0.00  0.00  0.00  0.00  0.13
     row3  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.28  0.00
     row4  0.00  0.00  0.00  0.00  0.10  0.00  0.00  0.00  0.00  0.00  0.00  0.00
key2 row0  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.40  0.00  0.00
     row2  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.13  0.00  0.00  0.00
     row4  0.00  0.00  0.00  0.00  0.00  0.64  0.88  0.00  0.00  0.00  0.00  0.00

我可以汇总列和行一起出现的频率，也就是“交叉表”吗？

col   col0  col1  col2  col3  col4
row                               
row0     1     2     0     1     1
row2     1     0     2     1     2
row3     0     1     0     2     0
row4     0     1     2     2     1

如何通过仅在两列上旋转将数据帧从长转换为宽？鉴于，

np.random.seed([3, 1415])
df2 = pd.DataFrame({'A': list('aaaabbbc'), 'B': np.random.choice(15, 8)})        
df2        
   A   B
0  a   0
1  a  11
2  a   2
3  a  11
4  b  10
5  b  10
6  b  14
7  c   7

预期的应该看起来像

      a     b    c
0   0.0  10.0  7.0
1  11.0  10.0  NaN
2   2.0  14.0  NaN
3  11.0   NaN  NaN

如何在 sum
从

到

   1|1  2|1  2|2               
a    2    1    1
b    2    1    0
c    1    0    0

最佳答案

我们首先回答第一个问题：
问题1
为什么我得到ValueError: Index contains duplicate entries, cannot reshape
发生这种情况的原因是pandas试图用重复条目重新索引columns或index对象。可以使用各种方法来执行轴心点。其中一些不太适合当有重复的键被要求在其中旋转时。例如。考虑pd.DataFrame.pivot。我知道有重复的条目共享row和col值：

df.duplicated(['row', 'col']).any()

True

所以当我使用

df.pivot(index='row', columns='col', values='val0')

我知道上面提到的错误。事实上，当我尝试执行相同的任务时，会遇到相同的错误：

df.set_index(['row', 'col'])['val0'].unstack()

下面是一个我们可以用来转换的习惯用法列表
pivot+ pd.DataFrame.groupby
对任何类型的枢轴都是很好的通用方法
指定将构成一个分组依据中的透视行级别和列级别的所有列。然后，选择要聚合的其余列和要执行聚合的函数。最后，您需要 pd.DataFrame.unstack列索引中的级别。
unstack
一个美化版的 pd.DataFrame.pivot_table具有更直观的API。对许多人来说，这是首选的方法。是开发人员的预期方法。
指定行级别、列级别、要聚合的值以及要执行聚合的函数。
groupby+ pd.DataFrame.set_index
对某些人来说方便直观（包括我自己）。无法处理重复的分组键。
与 pd.DataFrame.unstack范例类似，我们指定最终将成为行或列级别的所有列，并将这些列设置为索引。然后我们将 groupby列中所需的级别。如果剩余的索引级别或列级别不唯一，则此方法将失败。
unstack
与 pd.DataFrame.pivot非常相似，因为它共享重复密钥限制。API也非常有限。它只接受 set_index， index， columns的标量值。
类似于 values方法，我们选择要在其上进行透视的行、列和值。但是，我们不能聚合，如果行或列不是唯一的，则此方法将失败。
pivot_table
这是 pd.crosstab的一个专门版本，以最纯粹的形式是执行多个任务的最直观的方式。
pivot_table+ pd.factorize
这是一项非常先进的技术，虽然很模糊，但速度很快。它不能在任何情况下都使用，但当它可以使用并且您使用起来很舒服时，您将获得性能奖励。
np.bincount+ pd.get_dummies
我用这个来巧妙地做交叉表。
实例
我接下来要做的是使用 pd.DataFrame.dot来回答每个后续的答案和问题。然后我将提供执行相同任务的替代方案。
问题3
如何旋转 pd.DataFrame.pivot_table使 df值为列， col值为索引， row的平均值为值，缺少的值为 val0？
0
pd.DataFrame.pivot_table默认情况下未设置。我倾向于适当地设置它。在本例中，我将其设置为 fill_value。注意，我跳过了问题2，因为它与此答案相同，没有 0
fill_value是默认值，我不需要设置它。我把它写得很清楚。

df.pivot_table(
    values='val0', index='row', columns='col',
    fill_value=0, aggfunc='mean')

col   col0   col1   col2   col3  col4
row                                  
row0  0.77  0.605  0.000  0.860  0.65
row2  0.13  0.000  0.395  0.500  0.25
row3  0.00  0.310  0.000  0.545  0.00
row4  0.00  0.100  0.395  0.760  0.24

aggfunc='mean'

df.groupby(['row', 'col'])['val0'].mean().unstack(fill_value=0)

pd.DataFrame.groupby

pd.crosstab(
    index=df['row'], columns=df['col'],
    values=df['val0'], aggfunc='mean').fillna(0)

问题4
我能不能买点别的东西，比如说 pd.crosstab？
mean

df.pivot_table(
    values='val0', index='row', columns='col',
    fill_value=0, aggfunc='sum')

col   col0  col1  col2  col3  col4
row                               
row0  0.77  1.21  0.00  0.86  0.65
row2  0.13  0.00  0.79  0.50  0.50
row3  0.00  0.31  0.00  1.09  0.00
row4  0.00  0.10  0.79  1.52  0.24

sum

df.groupby(['row', 'col'])['val0'].sum().unstack(fill_value=0)

pd.DataFrame.pivot_table

pd.crosstab(
    index=df['row'], columns=df['col'],
    values=df['val0'], aggfunc='sum').fillna(0)

问题5
我可以一次多做一个聚合吗？
注意，对于 pd.DataFrame.groupby和 pd.crosstab我需要传递可调用的列表。另一方面， pivot_table能够为有限数量的特殊函数获取字符串。 cross_tab也可以使用我们传递给其他函数的相同的可调用函数，但是利用字符串函数名通常更有效，因为可以获得效率。
groupby.agg

df.pivot_table(
    values='val0', index='row', columns='col',
    fill_value=0, aggfunc=[np.size, np.mean])

     size                      mean                           
col  col0 col1 col2 col3 col4  col0   col1   col2   col3  col4
row                                                           
row0    1    2    0    1    1  0.77  0.605  0.000  0.860  0.65
row2    1    0    2    1    2  0.13  0.000  0.395  0.500  0.25
row3    0    1    0    2    0  0.00  0.310  0.000  0.545  0.00
row4    0    1    2    2    1  0.00  0.100  0.395  0.760  0.24

groupby.agg

df.groupby(['row', 'col'])['val0'].agg(['size', 'mean']).unstack(fill_value=0)

pd.DataFrame.pivot_table

pd.crosstab(
    index=df['row'], columns=df['col'],
    values=df['val0'], aggfunc=[np.size, np.mean]).fillna(0, downcast='infer')

问题6
我可以聚合多个值列吗？
pd.DataFrame.groupby我们通过了 pd.crosstab但是我们可以完全不做

df.pivot_table(
    values=['val0', 'val1'], index='row', columns='col',
    fill_value=0, aggfunc='mean')

      val0                             val1                          
col   col0   col1   col2   col3  col4  col0   col1  col2   col3  col4
row                                                                  
row0  0.77  0.605  0.000  0.860  0.65  0.01  0.745  0.00  0.010  0.02
row2  0.13  0.000  0.395  0.500  0.25  0.45  0.000  0.34  0.440  0.79
row3  0.00  0.310  0.000  0.545  0.00  0.00  0.230  0.00  0.075  0.00
row4  0.00  0.100  0.395  0.760  0.24  0.00  0.070  0.42  0.300  0.46

pd.DataFrame.pivot_table

df.groupby(['row', 'col'])['val0', 'val1'].mean().unstack(fill_value=0)

问题7
可以按多个列细分吗？
values=['val0', 'val1']

df.pivot_table(
    values='val0', index='row', columns=['item', 'col'],
    fill_value=0, aggfunc='mean')

item item0             item1                         item2                   
col   col2  col3  col4  col0  col1  col2  col3  col4  col0   col1  col3  col4
row                                                                          
row0  0.00  0.00  0.00  0.77  0.00  0.00  0.00  0.00  0.00  0.605  0.86  0.65
row2  0.35  0.00  0.37  0.00  0.00  0.44  0.00  0.00  0.13  0.000  0.50  0.13
row3  0.00  0.00  0.00  0.00  0.31  0.00  0.81  0.00  0.00  0.000  0.28  0.00
row4  0.15  0.64  0.00  0.00  0.10  0.64  0.88  0.24  0.00  0.000  0.00  0.00

pd.DataFrame.groupby

df.groupby(
    ['row', 'item', 'col']
)['val0'].mean().unstack(['item', 'col']).fillna(0).sort_index(1)

问题8
可以按多个列细分吗？
pd.DataFrame.pivot_table

df.pivot_table(
    values='val0', index=['key', 'row'], columns=['item', 'col'],
    fill_value=0, aggfunc='mean')

item      item0             item1                         item2                  
col        col2  col3  col4  col0  col1  col2  col3  col4  col0  col1  col3  col4
key  row                                                                         
key0 row0  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.86  0.00
     row2  0.00  0.00  0.37  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.50  0.00
     row3  0.00  0.00  0.00  0.00  0.31  0.00  0.81  0.00  0.00  0.00  0.00  0.00
     row4  0.15  0.64  0.00  0.00  0.00  0.00  0.00  0.24  0.00  0.00  0.00  0.00
key1 row0  0.00  0.00  0.00  0.77  0.00  0.00  0.00  0.00  0.00  0.81  0.00  0.65
     row2  0.35  0.00  0.00  0.00  0.00  0.44  0.00  0.00  0.00  0.00  0.00  0.13
     row3  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.28  0.00
     row4  0.00  0.00  0.00  0.00  0.10  0.00  0.00  0.00  0.00  0.00  0.00  0.00
key2 row0  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.40  0.00  0.00
     row2  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.13  0.00  0.00  0.00
     row4  0.00  0.00  0.00  0.00  0.00  0.64  0.88  0.00  0.00  0.00  0.00  0.00

pd.DataFrame.groupby

df.groupby(
    ['key', 'row', 'item', 'col']
)['val0'].mean().unstack(['item', 'col']).fillna(0).sort_index(1)

pd.DataFrame.pivot_table因为这组键对于行和列都是唯一的

df.set_index(
    ['key', 'row', 'item', 'col']
)['val0'].unstack(['item', 'col']).fillna(0).sort_index(1)

问题9
我可以汇总列和行一起出现的频率，也就是“交叉表”吗？
pd.DataFrame.groupby

df.pivot_table(index='row', columns='col', fill_value=0, aggfunc='size')

    col   col0  col1  col2  col3  col4
row                               
row0     1     2     0     1     1
row2     1     0     2     1     2
row3     0     1     0     2     0
row4     0     1     2     2     1

pd.DataFrame.set_index

df.groupby(['row', 'col'])['val0'].size().unstack(fill_value=0)

pd.DataFrame.pivot_table

pd.crosstab(df['row'], df['col'])

pd.DataFrame.groupby+ pd.cross_tab

# get integer factorization `i` and unique values `r`
# for column `'row'`
i, r = pd.factorize(df['row'].values)
# get integer factorization `j` and unique values `c`
# for column `'col'`
j, c = pd.factorize(df['col'].values)
# `n` will be the number of rows
# `m` will be the number of columns
n, m = r.size, c.size
# `i * m + j` is a clever way of counting the 
# factorization bins assuming a flat array of length
# `n * m`.  Which is why we subsequently reshape as `(n, m)`
b = np.bincount(i * m + j, minlength=n * m).reshape(n, m)
# BTW, whenever I read this, I think 'Bean, Rice, and Cheese'
pd.DataFrame(b, r, c)

      col3  col2  col0  col1  col4
row3     2     0     0     1     0
row2     1     2     1     0     2
row0     1     0     1     2     1
row4     2     2     0     1     1

pd.factorize

pd.get_dummies(df['row']).T.dot(pd.get_dummies(df['col']))

      col0  col1  col2  col3  col4
row0     1     2     0     1     1
row2     1     0     2     1     2
row3     0     1     0     2     0
row4     0     1     2     2     1

问题10
如何通过仅旋转两个数据帧将数据帧从长转换为宽
柱？
第一步是为每一行指定一个数字-这个数字将是数据透视结果中该值的行索引。这是使用 np.bincount完成的：

df2.insert(0, 'count', df.groupby('A').cumcount())
df2

   count  A   B
0      0  a   0
1      1  a  11
2      2  a   2
3      3  a  11
4      0  b  10
5      1  b  10
6      2  b  14
7      0  c   7

问题11
如何在 pd.get_dummies
如果 GroupBy.cumcount键入带字符串的 pivot

df.columns = df.columns.map('|'.join)

否则 columns

df.columns = df.columns.map('{0[0]}|{0[1]}'.format)

关于python - 如何旋转数据框，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/58720549/

文章推荐： ios - 使用 Unity 和 Vuforia 的 iOS 自定义相机权限通知

文章推荐： javascript - 无法显示多个 ng-apps

文章推荐： ruby-on-rails - rails : speed up styling

iPhone，旋转 + EAGLView，旋转 =
...沮丧。我希望我的游戏仅在横向模式下运行。我已将适当的键/值添加到 Info.plist 文件中，以强制设备方向在启动时正确。我现在正在尝试旋转 OpenGL 坐标空间以匹配设备的坐标空间。我正
java - 我将如何创建一个旋转矩阵，将 X 旋转 a，Y 旋转 b，Z 旋转 c？
我如何创建一个旋转矩阵，将 X 旋转 a，Y 旋转 b，Z 旋转 c？我需要公式，除非您使用的是 ardor3d api 的函数/方法。矩阵是这样设置的 xx, xy, xz, yx, yy, y
c++ - 从全局位置/旋转/比例更新本地位置/旋转/比例？
假设我有一个包含 3 个 vector 的类(一个用于位置，一个用于缩放，一个用于旋转)我可以使用它们生成一个变换矩阵，该矩阵表示对象在 3D 空间中的位置、旋转和大小。然后我添加对象之间的父/子关系
javascript - CSS 旋转。旋转 div 但保持在完全相同的坐标？
所以我只是在玩一个小的 javascript 游戏，构建一个 pacman 游戏。你可以在这里看到它:http://codepen.io/acha5066/pen/rOyaPW 不过我对旋转有疑问。你
iphone - iOS 旋转 MKAnnotationView 以响应 MKMapView 旋转
在我的应用程序中，我有一个 MKMapView，其中显示了多个注释。 map 根据设备的航向旋转。要旋转 map ，请执行以下语句(由方法 locationManager 调用:didUpdateHe
javascript - 旋转 90/-90 度的图像模糊 jquery 旋转
使用此 jquery 插件时:http://code.google.com/p/jqueryrotate/wiki/Documentation我将图像旋转 90 度，无论哪个方向，它们最终都会变得模糊
css - 为什么不同的 CSS3 旋转 + 平移 vs 旋转 + 左
我有以下代码:CSS: .wrapper { margin:80px auto; width:300px; border:none; } .square { widt
manim边学边做--旋转
本篇介绍Manim中的两个旋转类的动画，名称差不多，分别是Rotate和Rotating。 Rotate类主要用于对图形对象进行指定角度、围绕特定点的精确旋转，适用于几何图形演示、物理模拟和机械运动
Qt图像移动/旋转
我只想通过小部件的轴移动图像并围绕小部件的中心旋转(就像任何数字绘画软件中的 Canvas )，但它围绕其左顶点旋转...... QPainter p(this); QTransform trans;
JavaScript 旋转
我需要先旋转图像，然后再将其加载到 Canvas 中。据我所知，我无法使用 canvas.rotate() 旋转它，因为它会旋转整个场景。有没有好的JS方法来旋转图片？ [不依赖于浏览器的方式] 最
安卓横屏180°旋转
我需要知道我的 Android 设备屏幕何时从一个横向旋转到另一个横向(rotation_90 到 rotation_270)。在我的 Android 服务中，我重新实现了 onConfigurati
Python图像处理丨图像缩放、旋转、翻转与图像平移
**摘要：**本篇文章主要讲解Python调用OpenCV实现图像位移操作、旋转和翻转效果，包括四部分知识：图像缩放、图像旋转、图像翻转、图像平移。本文分享自华为云社区《[Python图像处理] 六
metal - 旋转，平移和默认相机位置
我只是在玩MTKView中的模板设置；并且，我一直在尝试了解以下内容：相机的默认位置。使用MDLMesh和MTKMesh创建基元时的默认位置。为什么轮换还涉及翻译。相关代码： matrix_f
旋转 ggplot 树状图的标签
我正在尝试使用包 dendexend 创建一个树状图。它创建了非常好的 gg 树状图，但不幸的是，当你把它变成一个“圆圈”时，标签跟不上。我将在下面提供一个示例。我的距离对象在这里:http://s
旋转 ggplot2 绘图对象
我想将一个完整的 ggplot 对象旋转 90°。我不想使用 coord_flip因为这似乎会干扰 scale="free"和 space="free"使用刻面时。例如: qplot(as.fac
人类的 opengl 旋转
我目前可以通过首先平移到轴心点然后执行旋转最后平移回原点来围绕轴心点旋转。在我的例子中，我很容易为肩膀做到这一点。但是，我不知道如何为前臂添加绕肘部的旋转。我已经尝试了以下围绕肘部旋转的前臂: 平移
jQuery 旋转/变换
我想使用此功能旋转然后停止在特定点或角度。现在该元素只是旋转而不停止。代码如下: $(function() { var $elie = $("#bkgimg");
iPhone UIImageView 旋转
关闭。这个问题需要多问focused 。目前不接受答案。想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post . 已关闭 4 年前。 Improve this ques
iphone - 基本关键帧动画(旋转)
我正在尝试创建一个非常简单的关键帧动画，其中图形通过给定的中点从一个角度旋转到另一个角度。 (目的是能够通过大于 180 度的 OBTUSE 弧角来制作旋转动画，而不是让动画“作弊”并走最短路线，即通
cocoa - 旋转 NSView
我需要旋转 NSView 实例的框架，使其宽度变为其高度，其高度变为其宽度。该 View 包含一个字符串，并且该字符串也被旋转，这一点很重要。我查看了 NSView 的 setFrameRotati

行者123

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

python - 如何旋转数据框