通用方法
pandas.melt => 把 value_vars 提取出来 作为一个列值 （比如value_vars=B 那么 var_name这一列的值都是B）
df A B C 0 a 1 2 1 b 3 4 2 c 5 6
pd.melt(df, id_vars=['A'], value_vars=['B'], var_name='myVarname', value_name='myValname')
A myVarname myValname
0 a B 1
1 b B 3
2 c B 5
pandas.pivot =>生成一个交叉表 取一个列作为行 一个列作为新的列 取一个列作为交叉的值（不允许交叉重复的情况）
foo bar baz zoo
0 one A 1 x
1 one B 2 y
2 one C 3 z
3 two A 4 q
4 two B 5 w
5 two C 6 t
df.pivot(index='foo', columns='bar', values='baz')
bar A B C
foo
one 1 2 3
two 4 5 6
pandas.pivot_table=>对重复交叉进行 一个函数计算
df
A B C D E
0 foo one small 1 2
1 foo one large 2 4
2 foo one large 2 5
3 foo two small 3 5
4 foo two small 3 6
5 bar one large 4 6
6 bar one small 5 8
7 bar two small 6 9
8 bar two large 7 9
table = pd.pivot_table(df, values='D', index=['A', 'B'], columns=['C'], aggfunc=np.sum)
C large small
A B
bar one 4.0 5.0
bar two 7.0 6.0
foo one 4.0 1.0
foo two NaN 6.0
pandas.crosstab => 计算两个（或更多）因子的简单交叉表
选多个字段作为行 选多个字段作为列 行和列交叉 （默认计算交叉后的count）
pandas.merge =>合并两个df
pd.merge_ordered =>合并两个df
pandas.get_dummies =》分类变量
一维度:值作为 行
二维度:先对行和列笛卡尔积 得到得数组作为行
然后遍历 对象
对出现得进行 +1
A B
0 a c
1 b a
2 c b
3 a a
pandas.get_dummies(pandas.DataFrame({"A":["a","b","c","a"],"B":["c","a","b","a"]}))
A_a A_b A_c B_a B_b B_c
0 1 0 0 0 0 1
1 0 1 0 1 0 0
