数据分析时，有时会要对数据做一些变形才能更好地分析，Pandas提供了灵活的方法应对该场景，包括stack和pivot table。

• stack：将dataframe中的列转为行。
• pivot table：数据透视表，功能比较丰富，大多数场景都可适用。

下面使用图中两套数据对这两个功能进行说明

1. Stack

Stack提供了行转列与列转行的操作，使用.stack将列转为行，还可以使用.unstack将行转为列（stack的逆操作），返回的是Series或DataFrame。

1.1 Stack

将dataframe中指定level的列转为行，在上图数据列是单层，其列的level值既是0（类似于列表下标从0开始）也是-1（同列表下标倒数）。

• level的默认值为-1，即将最内层的列转为行
• 若dataframe中的列是单层，返回的是一个Series
• 若dataframe有多层列，返回的是一个将指定level列转为行的dataframe

对示例数据做列转行操作

1. 将最内层列（level=-1）转为行

   # 以下写法效果一致
   df8.stack()
   df8.stack(-1)
   df8.stack(1)

1. 将weight转为行，（level=0或level=-2）

   df8.stack(0)
   df8.stack(-2)

1. 将所有列都转为行，此时返回Series，同时可以看到其有多重索引

   s1=df8.stack([0,1])

1.2 unstack

unstack是stack的逆操作，将DataFrame或Series中指定level的index转为列。

• level值默认为-1，即将最内层的index转为列
• 如果index只有一层，返回的值将是一个Series
• 若index有多层，而未全部转为列，返回的值是一个DataFrame

对上文中的结果s1执行.unstack操作

1. 将最内层index转为列

   # 以下语句执行效果一致
   s1.unstack()
   s1.unstack(-1)
   s1.unstack(2)

   

1. 将中间层index转为列

   s1.unstack(1)
   s1.unstack(-2)

1. 将多个index转为列

   s1.unstack([1,2])