章节概述
本章讲解 pandas 中数据重塑（Reshaping）与透视（Pivoting）的核心工具。重塑是指改变数据的布局结构，透视则是按维度聚合数据的操作。掌握本章内容，能够灵活地在长格式与宽格式之间转换数据，为数据分析和可视化做准备。
📑 子章节导航
| 子章节 | 核心内容 | 关键函数 |
|---|---|---|
| 15.1 堆叠与取消堆叠 | 行/列索引互转 | stack()、unstack() |
| 15.2 透视 | 创建数据透视表 | pivot()、pivot_table() |
| 15.3 长宽转换 | 宽表↔长表 | melt()、wide_to_long() |
| 15.4 交叉表 | 频数统计表 | crosstab() |
| 15.5 其他重塑操作 | 行展开、哑变量等 | explode()、get_dummies()、transpose() 等 |
🧭 快速选择指南
| 需求场景 | 推荐工具 |
|---|---|
| 将行索引转为列（宽表） | unstack() 或 pivot() |
| 将列转为行索引（长表） | stack() 或 melt() |
| 带聚合的透视（分组统计） | pivot_table() |
| 统计频数/交叉分析 | crosstab() |
| 宽表转长表（多指标） | wide_to_long() |
| 将列表型单元格拆为多行 | explode() |
| 类别变量转为 0/1 哑变量 | get_dummies() |
| 行列转置 | transpose() / T、swapaxes() |
| 交换多层索引层级 | swaplevel() |
📌 关键词
- 长格式（Long Format）：每行一个观测值，适合
groupby、plot、seaborn - 宽格式（Wide Format）：每行一个实体，每列一个变量，适合展示和部分建模
- 重塑（Reshape）：
stack/unstack/melt/pivot/wide_to_long - 透视（Pivot）：以指定维度为行、列，聚合第三维度
相关章节
- 十六、分组与聚合：数据透视表的底层逻辑基于分组聚合
- 15.2 透视：
pivot_table参数<aggfunc>详解 - 9.8 日期时间与时间序列：时间序列重塑中常用
stack/unstack
核心记忆
stack= 列 → 行；unstack= 行 → 列melt= 宽 → 长；pivot= 长 → 宽（但要求无重复索引）pivot_table=pivot+ 聚合（可处理重复值）crosstab= 两个或多个因子的频数pivot_table