数据重构(3) -- 数据重构stack unstack

Pandas 数据规整精讲(3)：宽表与长表自由变形 stack 与 unstack 旋转重构全解

小象实战讲义 · Python数据分析实战

在数据采集、数仓建模与统计绘图之间，数据格式的形态需求往往截然相反：用于统计建模和图表可视化的工具（如 Seaborn、Tableau）通常要求符合“整洁数据（Tidy Data）”原则的一维长表（Long Format）；而用于业务汇报和人工审阅的报表则更青睐结构紧凑的二维宽表（Wide Format）。Pandas 提供了 stack()（堆叠旋转：宽表转长表） 与 unstack()（展开旋转：长表转宽表） 这一对极其精妙的轴向重构工具。本节我们将深入学习数据的自由形变与维度重塑技术。

💡 核心导读

• stack()（堆叠）：将 DataFrame 的列标签（Columns）旋转下沉为内层行索引（Index），使表格从“宽”变“长”。
• unstack()（展开）：将 MultiIndex 的行索引（Index）旋转提升为外层列标签（Columns），使表格从“长”变“宽”。
• 层级精确控制 level 参数：指定需要旋转的具体层级名称或位置（默认最内层 level=-1）。
• melt() 与 pivot() 的现代互补生态。

1. stack 与 unstack 旋转变换物理模型

stack 与 unstack 是一对互为逆运算的可逆变换操作：

┌─────────────────────────────────────────────────────────────┐
│                 stack vs unstack 轴向旋转变换               │
├─────────────────────────────────────────────────────────────┤
│   宽表 (Wide Format):                                       │
│   城市        2023_GDP    2024_GDP                          │
│   北京        43760       47000                             │
│                ║                     ▲                      │
│        stack() ║ 旋转下沉    旋转提升 ║ unstack()           │
│                ▼                     ║                      │
│   长表 (Long Format / MultiIndex Series):                   │
│   城市        年份         GDP                              │
│   北京        2023_GDP     43760                            │
│   北京        2024_GDP     47000                            │
└─────────────────────────────────────────────────────────────┘

import pandas as pd
import numpy as np

# 1. 创建典型的多年度财务指标宽表
df_wide = pd.DataFrame({
    "2022年": [120, 85, 210],
    "2023年": [140, 95, 230],
    "2024年": [165, 110, 260]
}, index=["产品A", "产品B", "产品C"])

print("=== 1. 原始宽表数据 (Wide Format) ===")
print(df_wide)

# 2. 执行 stack()：将列名旋转下沉为行索引 (宽表变长表)
s_long = df_wide.stack()
print("\n=== 2. stack() 旋转为 MultiIndex 长表 Series ===")
print(s_long)
print("转换后结构类型:", type(s_long))

# 3. 执行 unstack()：将行索引重新旋转提升为列名 (逆向恢复宽表)
df_restored = s_long.unstack()
print("\n=== 3. unstack() 逆向还原为宽表 ===")
print(df_restored)

2. 多层级 MultiIndex 的指定层级旋转与 melt 实战

通过 level 参数可以灵活选择旋转外层还是内层标签；同时 melt() 提供了不用设置 Index 直接融化宽表的能力。

# 1. 对具有双层列索引的 DataFrame 进行指定 level 的 stack
cols_multi = pd.MultiIndex.from_tuples([("上半年", "收入"), ("上半年", "利润"), ("下半年", "收入"), ("下半年", "利润")])
df_multi_col = pd.DataFrame([[100, 20, 120, 25], [80, 15, 90, 18]], index=["分店1", "分店2"], columns=cols_multi)

print("=== 4. 双层列索引宽表 ===")
print(df_multi_col)

# 仅将第一层列（时间半年度）stack 下沉
df_stacked_l0 = df_multi_col.stack(level=0)
print("\n=== 5. 仅对 level=0 (半年度) 执行 stack ===")
print(df_stacked_l0)

# 2. pd.melt() 宽表融化为标准长表 (整洁数据 Tidy Data)
df_raw = pd.DataFrame({"city": ["北京", "上海"], "Q1": [100, 200], "Q2": [120, 220]})
df_melted = pd.melt(df_raw, id_vars=["city"], value_vars=["Q1", "Q2"], var_name="quarter", value_name="sales")
print("\n=== 6. pd.melt() 宽表融化为长表 ===")
print(df_melted)

📝 动手练一练

1. 概念思考题：当对包含缺失值的数据集执行 unstack() 时，如果某些行列交叉点原本没有数据，unstack() 会如何处理？如何指定默认填充值？

   👉 点击查看参考答案

   参考答案：

   • unstack() 默认会将原本不存在交叉数据的单元格填充为 NaN；
   • 可以通过参数 fill_value=0（或指定常数）来直接填充这些空白单元格，避免生成额外的 NaN。

2. 编程练习：给定长表 Series s = pd.Series([1, 2, 3, 4], index=pd.MultiIndex.from_tuples([('A', 'x'), ('A', 'y'), ('B', 'x'), ('B', 'y')]))，请使用 unstack() 将其转换为以 A/B 为行、x/y 为列的宽表 DataFrame。

   👉 点击查看参考答案

   参考答案：

   import pandas as pd
   idx = pd.MultiIndex.from_tuples([('A', 'x'), ('A', 'y'), ('B', 'x'), ('B', 'y')])
   s = pd.Series([1, 2, 3, 4], index=idx)
   df_wide = s.unstack()
   print(df_wide)

本章小结

• 深刻理解了宽表（Wide）与长表（Long）在商业报表与数据分析中的不同定位；
• 熟练掌握了 stack() 与 unstack() 轴向可逆旋转的核心操作；
• 掌握了利用 level 参数精细控制多层级索引旋转与 pd.melt() 快速数据融化的方法。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入第 6 章压轴综合大实战——《实战：互联网电影资料库多维深度分析》！

—— 小象教研组