利用python进行数据分析——重塑层次化索引

一、重塑层次化索引

• stack：将数据的列“旋转”为行（从列索引的角度），从数据的角度（一行数据转为一列）
• unstack：将数据的行“旋转”为列

 Note：

1. 默认情况下，unstack/stack操作的是最内层，传入分层级别的编号或者名称即可对其他级别进行unstack/stack操作
2. 如果不是所有的级别值都能在各分组中找到的话，unstack操作会引入缺失数据
3. stack默认会滤除缺失数据
4. 对DataFrame进行unstack操作时，作为旋转轴的级别将会成为结果中的最低级别

 二、将“长格式”旋转为“宽格式”

关系型数据库中的数据经常都是以“长格式”或“堆叠格式”存储的。

• 长格式转宽格式（数据透视表）

        DataFrame.pivot(co1, col2, col3)：前两个参数分别用作“行索引”和“列索引”的列名，最后一个参数用作数据填充的列名

其实pivot仅为一个快捷方式，用set_index创建层次化索引，再用unstack重塑会达到同样的效果。