pandas unstack() 解除堆叠（行索引转换为列索引）

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas 的 unstack() 方法用于将 DataFrame 的行索引（尤其是多级索引）转换为列索引，将长表（行较多的表）转换为宽表（列较多的表）。该方法通常与 stack() 方法相对，常用于数据重塑。

语法

unstack() 方法主要适用于具有多级索引的 DataFrame 或 Series。它支持数值型、字符串型、布尔型等各种数据类型的列。

DataFrame.unstack(
    level: int | str | list[int | str] = -1,
    fill_value=None,
    sort=True
)

调整一级（必然是分层的）索引标签。返回一个具有新级别列标签的DataFrame，其最内层由旋转索引标签组成。

如果索引不是MultiIndex，则输出将是Series（当列不是MultiIndex时，类似于堆栈）。

参数解释

level：
- 类型: int、str 或 list[int | str]
- 意义: 指定要转换为列索引的行级别。默认是最后一级（即 -1）。可以指定单个级别或多个级别进行 unstack 操作。如果指定多个级别，结果将拥有多个列级别。
fill_value：
- 类型: 标量值
- 意义: 用于填充缺失数据的值。如果不指定，缺失值将保持为 NaN。
sort：
- 类型: bool
- 意义: 如果为 True，则按字典顺序对结果的索引进行排序。默认值为 True。

返回值

类型: DataFrame 或 Series
意义: 返回一个新的 DataFrame 或 Series，其中行索引被转换为列索引，列数增加。

使用场景

unstack() 通常在需要将数据从长表格式转换为宽表格式时使用，比如在数据透视、交叉表计算中非常有用。此外，unstack() 经常与 stack() 方法配合使用。

示例

index = pd.MultiIndex.from_tuples([('one', 'a'), ('one', 'b'),
                                   ('two', 'a'), ('two', 'b')])
s = pd.Series(np.arange(1.0, 5.0), index=index)
s
'''
one  a   1.0
     b   2.0
two  a   3.0
     b   4.0
dtype: float64
'''

s.unstack(level=-1)
'''
     a   b
one  1.0  2.0
two  3.0  4.0
'''

s.unstack(level=0)
'''
   one  two
a  1.0   3.0
b  2.0   4.0
'''

df = s.unstack(level=0)
df.unstack()
'''
one  a  1.0
     b  2.0
two  a  3.0
     b  4.0
dtype: float64
'''

案例

下面通过几个例子来说明 unstack() 的使用。

示例 1：简单的 `unstack` 操作

假设有一个简单的多级索引 DataFrame，其中记录了学生成绩。

import pandas as pd

# 构造示例数据
data = {
    'Subject': ['Math', 'English', 'Math', 'English'],
    'Score': [85, 78, 92, 81]
}
df = pd.DataFrame(data, index=['Alice', 'Alice', 'Bob', 'Bob'])

# 将 'Subject' 列设为行索引
df = df.set_index('Subject', append=True)

# 输出构造的数据
print(df)

# 将行索引转换为列索引
unstacked_df = df.unstack()

# 输出结果
print(unstacked_df)

输出：

Score
    Subject      
Alice Math      85
      English   78
Bob   Math      92
      English   81

         Score       
Subject   Math English
Alice       85      78
Bob         92      81

在这个例子中，unstack() 方法将 Subject 级别的行索引转换为列索引，使得每个学生的成绩按科目分列显示。

示例 2：处理缺失值

在一些情况下，行索引的某些组合可能缺少数据，此时 unstack() 会生成 NaN 值。可以使用 fill_value 参数填充这些缺失值。

import pandas as pd

# 构造示例数据
data = {
    'Subject': ['Math', 'English', 'Math'],
    'Score': [85, 78, 92]
}
df = pd.DataFrame(data, index=['Alice', 'Alice', 'Bob'])

# 将 'Subject' 列设为行索引
df = df.set_index('Subject', append=True)

# 输出构造的数据
print(df)

# 将行索引转换为列索引，并填充缺失值为 0
unstacked_df = df.unstack(fill_value=0)

# 输出结果
print(unstacked_df)

输出：

Score
    Subject      
Alice Math      85
      English   78
Bob   Math      92

         Score       
Subject   Math English
Alice       85      78
Bob         92       0

在这个例子中，Bob 没有 English 的成绩，unstack() 操作后该位置为 NaN，我们用 0 来填充这个缺失值。

示例 3：多个级别的 `unstack`

如果有多个行索引级别，可以指定 level 参数来进行 unstack。例如，我们可以 unstack 多个级别的行索引。

import pandas as pd

# 构造示例数据
data = {
    'Year': [2022, 2022, 2023, 2023],
    'Subject': ['Math', 'English', 'Math', 'English'],
    'Score': [85, 78, 92, 81]
}
df = pd.DataFrame(data, index=['Alice', 'Alice', 'Bob', 'Bob'])

# 将 'Year' 和 'Subject' 列设为行索引
df = df.set_index(['Year', 'Subject'], append=True)

# 输出构造的数据
print(df)

# 将最后两个行索引级别转换为列索引
unstacked_df = df.unstack(['Year', 'Subject'])

# 输出结果
print(unstacked_df)

输出：

Score
    Year     Subject      
Alice 2022 Math      85
            English   78
Bob   2023 Math      92
            English   81

           Score              
Year        2022       2023    
Subject     Math English Math English
Alice         85      78   NaN     NaN
Bob          NaN     NaN    92      81

在这个例子中，我们将 Year 和 Subject 两个级别的行索引一起转换为列索引，使得数据结构更加宽表化。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.unstack.html