Nenifindo's Home

Appearance

2026-09-11
549
2.3m

重塑和透视 ​

本节目标：在宽表和长表之间转换，并生成交叉汇总报表。

长表每行表示一条观测，宽表把某个维度展开成多列。分析和绘图通常需要在两种形状之间切换。

pivot：唯一键的宽化 ​

python
import pandas as pd

long = pd.DataFrame(
    {
        "date": ["Mon", "Mon", "Tue", "Tue"],
        "metric": ["sales", "cost", "sales", "cost"],
        "value": [10, 4, 12, 5],
    }
)
wide = long.pivot(index="date", columns="metric", values="value")
print(wide)
text
metric  cost  sales
date
Mon        4     10
Tue        5     12

pivot 要求每个 index、columns 组合唯一；存在重复组合时会抛出错误。

pivot_table：带聚合的宽化 ​

有重复观测时使用 pivot_table：

python
wide = long.pivot_table(
    index="date",
    columns="metric",
    values="value",
    aggfunc="sum",
    fill_value=0,
)

aggfunc 可以是 mean、sum、count 或自定义函数。fill_value 只影响结果中的缺失单元格。

melt：宽表转长表 ​

python
wide = pd.DataFrame(
    {"date": ["Mon", "Tue"], "sales": [10, 12], "cost": [4, 5]}
)
long = wide.melt(
    id_vars="date",
    var_name="metric",
    value_name="value",
)

id_vars 是保持不变的标识列；其余列被转换为变量和值两列。

stack 和 unstack ​

stack 把列标签压入行索引，unstack 把索引层展开为列：

python
indexed = wide.set_index("date")
stacked = indexed.stack(future_stack=True)
restored = stacked.unstack()

多级索引时可传 level 指定层。pandas 3.0 中使用 future_stack=True 可采用新的栈实现，不能同时指定旧实现专用的 fill_value 或 dropna 参数。

explode 和 crosstab ​

列表列展开为多行：

python
tags = pd.DataFrame({"id": [1, 2], "tags": [["a", "b"], ["b"]]})
tags.explode("tags", ignore_index=True)

交叉频数表：

python
pd.crosstab(long["date"], long["metric"])

常见错误 ​

  • pivot 报重复索引：改用 pivot_table 并明确 aggfunc。
  • 多级列难以使用：用 rename_axis、reset_index 或 columns.map 展平前先确认报表需求。
  • melt 误把标识列展开：把业务键放进 id_vars。

小结 ​

  • pivot 只适用于唯一键；pivot_table 能聚合重复观测。
  • melt 把宽表变成长表，stack/unstack 操作索引层。
  • 重塑后检查列名、索引和数据类型，再进行连接或导出。

练习 ​

  1. 将包含 region、month、amount 的长表透视为地区为行、月份为列的宽表。
  2. 对宽表执行 melt，再验证行数等于原行数乘以指标列数。

下一节：输入输出，保存重塑后的明细和报表。

最近更新