数据分析之数据重构

Task03：数据重构

数据从一种几何形态到另一种几何形态，数据从一种格式到另一种格式的转换，包括结构转换、格式转换、类型替换等（数据拼接、数据裁剪、数据压缩等），以实现空间数据在结构、格式、类型上的统一，多源和异构数据的联接与融合。

重构前存在的问题

一、使用难：主题表是由领域应用驱动设计的，定制性比较强，没有很好地考虑扩展和通用性，需求变化就很难重用。基于这些表进行再次汇聚、关联都比较困难。
二、质量差：相同指标在不同领域中的算法不统一，常存在数据一致性问题，数据质量差。
三、性能低： 所有的主题表都需要从原始表开始处理，不同主题数据之间存在很多相似的重复计算，整体性能低下。
四、开发慢： 应用需求的变化导致主题表结构频繁变化，并且需要从原始表重新处理，改动大，响应需求慢。
stack

df_obj = pd.DataFrame(np.random.randint(0,10, (5,2)), columns=['data1', 'data2'])

stacked = df_obj.stack()
# 默认操作内层索引
stacked.unstack()
# 通过level指定操作索引的级别
stacked.unstack(level=0)