Pandas 的透视与逆透视

目录

[1. 透视](#1. 透视)

[1.1 pivot](#1.1 pivot)

[1.2 pivot_table](#1.2 pivot_table)

2.逆透视

---

1. 透视

透视是长表变宽表。

pivot() 和 pivot_table()两个函数都可以做到，后者可以聚合前者不行。

特性	df.pivot()	df.pivot_table()
重复值处理	要求索引和列的组合唯一，否则报错 ValueError	允许重复值，通过聚合函数（如均值、求和等）处理
聚合功能	不支持聚合，仅用于数据重组	支持聚合（默认 aggfunc='mean'）
多值列处理	无法处理多值列（需唯一索引-列组合）	自动聚合多值（如求和、均值等）
灵活性	简单场景适用（无重复值）	复杂场景适用（支持重复值和自定义聚合）

示例数据：

import pandas as pd

data = {
    'Year': [2020, 2020, 2021, 2021, 2020, 2020],
    'Product': ['A', 'A', 'A', 'B', 'B', 'B'],
    'Region': ['East', 'West', 'East', 'West', 'East', 'West'],
    'Sales': [100, 150, 200, 50, 120, 90]
}
df = pd.DataFrame(data)

原表：

1.1 pivot

参数	说明	默认值	示例
index	作为行索引的列名（可以是单个列名或列表）	None	index='Region'
columns	作为列名的列名（可以是单个列名或列表）	None	columns='Year'
values	作为填充值的列名（可以是单个列名或列表，选填）	None	values='Sales'

指定index是转换后的索引，不能重复，如果单独是Year 则会报错：

ValueError: Index contains duplicate entries, cannot reshape

重置一下行索引：

1.2 pivot_table

参数	说明	默认值	示例
index	作为行索引的列名（可以是单个列名或列表）	None	index='Region'
columns	作为列名的列名（可以是单个列名或列表）	None	columns='Year'
values	作为填充值的列名（可以是单个列名或列表，选填）	None	values='Sales'
aggfunc	聚合函数（如 'sum', 'mean', 'count' 或自定义函数）	'mean'	aggfunc='sum'
fill_value	填充缺失值的值	None	fill_value=0
margins	是否添加总计行/列（True/False）	False	margins=True
margins_name	总计行/列的标签名	'All'	margins_name='Total'
dropna	是否删除全为 NaN 的列（True/False）	True	dropna=False

index指定的索引值可以重复，相当于根据该值进行分组，自动进行聚合（默认聚合函数median）例子以地区为索引，以Year为列，求每年的Sales的均值

2. 自定义聚合函数

同样重置索引：

2.逆透视

melt（）函数，指定宽表变长表

参数	说明	默认值	示例
id_vars	保留的标识列（不参与转换，可以是单个列名或列表）	None	id_vars=['Year', 'Product']
value_vars	需要转换的列（可以是单个列名或列表，默认转换所有非 id_vars 列）	None	value_vars=['Sales']
var_name	存储原列名的列名（新生成的"变量列"）	'variable'	var_name='Category'
value_name	存储原列值的列名（新生成的"值列"）	'value'	value_name='Revenue'
col_level	多层列索引时指定要转换的层级（用于 MultiIndex 列）	None	col_level=0

以上面透视的结果为例：

逆透视：