一句话总结
stack()将列索引旋转为行索引（宽表变长表），unstack()将行索引旋转为列索引（长表变宽表）。两者是处理 MultiIndex 时最常用的重塑工具。
1. stack() — 堆叠（列 → 行）
将 DataFrame 的列索引旋转为最内层行索引，返回 Series 或 DataFrame。
基本语法
DataFrame.stack(level=-1, dropna=_NoDefault.no_default, sort=_NoDefault.no_default, future_stack=False)| 参数 | 说明 |
|---|---|
level | 指定要堆叠的列索引层级。默认为 -1（最内层）；可传 int、str 或列表 |
dropna | 是否删除结果为 NaN 的行。默认为 True（v2.0 起由 future_stack 控制） |
sort | 是否对结果索引排序，默认 False |
示例：基本堆叠
import pandas as pd
import numpy as np
df = pd.DataFrame({
'A': [1, 2],
'B': [3, 4]
}, index=['x', 'y'])
stacked = df.stack()
print(stacked)
# x A 1
# B 3
# y A 2
# B 4
# dtype: int64示例：多层列索引
cols = pd.MultiIndex.from_tuples([('class1', 'A'), ('class1', 'B'),
('class2', 'A'), ('class2', 'B')])
df_multi = pd.DataFrame(np.random.rand(3, 4), columns=cols, index=['r1', 'r2', 'r3'])
# 默认堆叠最内层（'A'/'B'）
df_multi.stack()
# 指定 level=0，堆叠 'class1'/'class2'
df_multi.stack(level=0)示例：dropna 参数
df_with_na = pd.DataFrame({
'A': [1.0, np.nan],
'B': [3.0, 4.0]
}, index=['x', 'y'])
df_with_na.stack(dropna=True) # 删除 NaN 行
df_with_na.stack(dropna=False) # 保留 NaN 行2. unstack() — 取消堆叠（行 → 列）
将行索引旋转为列索引，是 stack() 的逆操作。
基本语法
DataFrame.unstack(level=-1, fill_value=None, sort=True)| 参数 | 说明 |
|---|---|
level | 指定要取消堆叠的行索引层级。默认为 -1（最内层）；可传 int、str 或列表 |
fill_value | 若结果中存在缺失值，用该值填充（可用于处理多重索引组合无数据的情况） |
sort | 是否对结果列索引排序，默认 True |
示例：基本取消堆叠
s = pd.Series([1, 2, 3, 4], index=pd.MultiIndex.from_product([['x', 'y'], ['A', 'B']]))
print(s.unstack())
# A B
# x 1 2
# y 3 4示例：fill_value 参数
idx = pd.MultiIndex.from_tuples([('x', 'A'), ('x', 'B'), ('y', 'B')])
s = pd.Series([1, 2, 3], index=idx)
s.unstack(fill_value=0)
# A B
# x 1 2
# y 0 3 ← 缺失的 ('y', 'A') 被填充为 03. 多层索引的灵活操作
堆叠 / 取消堆叠多层索引的部分层级
df = pd.DataFrame(np.arange(8).reshape(2, 4),
index=pd.MultiIndex.from_product([['a', 'b'], ['one', 'two']]),
columns=pd.MultiIndex.from_product([['x', 'y'], ['i', 'j']]))
# 取消最内层行索引
df.unstack()
# 取消指定层（如第 0 层）
df.unstack(level=0)
# 同时取消多层
df.unstack(level=[0, 1])多层索引堆叠后再恢复
stacked = df.stack() # 列 → 行
restored = stacked.unstack() # 行 → 列（逆操作）使用 level 参数指定具体层级
# 堆叠 'class1'/'class2' 这一层（level=0）
df_multi.stack(level=0)
# 取消堆叠指定名称的行索引层
df_unstacked = df.unstack(level='color')4. 用例：长宽格式互转
# 宽表 → 长表（stack）
wide = pd.DataFrame({'2023': [100, 200], '2024': [150, 250]}, index=['A', 'B'])
long_df = wide.stack().reset_index(name='value')
long_df.columns = ['item', 'year', 'value']
# 长表 → 宽表（unstack）
wide_again = long_df.set_index(['item', 'year'])['value'].unstack()5. 注意事项
易混淆点
stack()返回 Series（若所有列堆叠后仅剩一个值列）；unstack()通常返回 DataFrame。stack()默认dropna=True，会静默删除缺失值；若需保留应设置dropna=False。- 对于无 MultiIndex 的普通 DataFrame，
unstack()会将普通行索引转为列索引。
记忆技巧
- Stack（堆叠）：像把盘子叠起来，列 → 行，数据变”瘦高”。
- Unstack（取消堆叠）：把叠起来的盘子摊开，行 → 列，数据变”矮胖”。