用pandas处理数据，我们经常获取到的是从数据库或者excel中获取的一维表。而常常需要重排，转换为二维表，类似于excel中的透视。

举例：
一维表 df

df = pd.DataFrame(
{'key1':['one','two','three','one','two','four'],'key2':['A','B','C','D','C','D'],'value':np.random.randn(6)
}
)

二维表 df2

介绍两种转换方式。

一、stack & unstack

stack 和 unstack 的工作机制都是依赖于dataframe本身的多层索引进行转换的。
默认情况下，最内层是unstack的，也可以指定层级序号或名称来拆分特定层级。

unstack 将一维表转换为二维表

# 第一步
df1 =df.set_index(['key1','key2'])
# 运用unstack,不写参数，默认转换最里层的index，也就是key2；
df2=df1.unstack()
df2.reset_index()

# 也可以指定要转换的索引
df1.unstack('key1')
# 或
df1.unstack(0)

最后，可以通过reset_index方法去除索引。

stack 将二维表转换为一维表

df2.stack()

二、pivot & melt

pivot 将一维表转换为二维表

df.pivot('key1','key2','value')

melt将二维表转换为一维表

pd.melt(df,['key1','key2'])

也可以指定列的子集为值列

pd.melt(df,id_vars=['key1'], value_vars=['value'])

Tips

stack 和unstack方法可以用来处理多层数据。
也就是行和列索引不只一个的情况。

可参考 (https://blog.csdn.net/qq_41080850/article/details/86294173)

multiindex 的索引方式

外层索引可以包含式地使用内层索引，反过来则不行