pandas 轴索引互换——stack和unstack

在使用pandas进行数据整理时，经常会用到stack和unstack两个函数。stack直译过来是堆叠，堆积，unstack是展开，解释为把列索引和行索引的互换，如下图所示，stack用于把列索引转换为行索引，而unstack用于把行索引转换为列索引。因此，可以把stack和unstack的功能解释为行索引和列索引的互换。
stack和unstack作用的对象是索引，pandas有多级索引（MultiIndex）结构，通过把列索引转换为行索引，那么行索引由单级索引（Index）结构转换为多级索引（MultiIndex）结构，数据不变，只不过索引变了。

• stack()：从列到行堆叠，把列索引转换为行索引
• unstack()：从行到列展开，把行索引转换为列索引

 

1，创建数据集

import numpy as np
import pandas as pd

data=pd.DataFrame(np.arange(12).reshape((3,4))+100,
 index=pd.Index(['date1','date2','date3']),
 columns=pd.Index(['store1','store2','store3','store4'])
 )

2，堆叠数据，把列转换为行

data2=data.stack()

使用stack函数，将data的列['store1','store2','store3’,'store4’]转变成列索引（第二层），便得到了一个层次化的Series（data2），如下所示：

 输出到本地以后，可以变成这样：

查看data2的索引，是一个多层索引的结构：

data2.index

MultiIndex([('date1', 'store1'),
            ('date1', 'store2'),
            ('date1', 'store3'),
            ('date1', 'store4'),
            ('date2', 'store1'),
            ('date2', 'store2'),
            ('date2', 'store3'),
            ('date2', 'store4'),
            ('date3', 'store1'),
            ('date3', 'store2'),
            ('date3', 'store3'),
            ('date3', 'store4')],
           )

 3、展开数据，把行转换为列

使用unstack函数，将data2的第二层列索引转变成行索引（默认的，可以改变），便又得到了DataFrame（data3）

data3=data2.unstack()

 而data3的索引是普通的单级索引：

Index(['date1', 'date2', 'date3'], dtype='object')

 

 

参考文档：

深度盘点：7个关于 Pandas stack() 和 unstack() 使用技巧！