python数据逆透视_Python数据神器pandas，轻松搞定嵌套表头——透视与逆透视

发现许多小伙伴入门Python几个月，还是低效率做数据处理。这套课程以形象的示意图，精心安排的案例，循序渐进带你玩转数据处理分析神器——pandas，课程中还有分析案例噢，干货满满！

前言

上一节我们已经熟悉了 DataFrame 的 index、columns、values 直接的转移，那么这节就有足够的知识快速理解透视与逆透视操作。

长表与宽表

一份表格数据，可以按照其数据形状划分为2种：长表与宽表。 直接看看图示：左边为长表，这是因为看起来他的长度比宽度要大。实际是说，当数据持续增长时，表格会以纵向增长(行变多)右边为宽表，相对宽表而言，当数据持续增长时，表格会以横向增长(列变多)一般来说，规范的数据应该是长表。这对数据统计分析更有利。而宽表一般以报告形式出现，这有利于让人在有限的空间内看清楚数据的整体情况。

对应我们上一节课程中的知识点，stack 是把宽表变长表，unstack 是把长表变宽表。

今天将会介绍 pandas 中对表格塑形的2个便捷方法—— pivot 与 melt。

重塑的限制

以前的章节已经介绍过透视表—— pivot_table ，透视表的作用主要以宽表的形式"汇总数据"，透视表的核心是汇总。这是因为在从长表转宽表时，很多时候会出现多个数据交汇在一起，这也是为什么 pivot_table 方法中有一参数 aggfunc ，这参数用于表示数据聚合的处理方式。由于 index 与 columns 都是会以唯一值显示，因此会导致最终的宽表需要多个值聚合在一起上面的例子我们看到，当把数据转为透视表后，可能就无法通过逆操作把数据恢复回来