在分類匯總數據中，stack() 和 unstack() 是進行層次化索引的重要操作。
層次化索引就是對索引進行層次化分類，包含行索引、列索引。
常見的數據層次化結構包含兩種：表格（橫表）、“花括號”（縱表）。
表格在行列方向上均有索引，花括號結構只有“列方向”上的索引。
其實，應用 stack() 和 unstack()只需要記住：
stack—— 將數據從”表格結構“變成”花括號結構“，即將其列索引變成行索引。unstack—— 數據從”花括號結構“變成”表格結構“，即要將其中一層的行索引變成列索引。如果是多層索引，則以上函數是針對內層索引，利用level參數可以選擇具體哪層索引。
【小技巧】使用 stack() 的時候，level 等於哪一個，哪一個就消失，出現在行里。
【小技巧】使用 unstack() 的時候，level 等於哪一個，哪一個就消失，出現在列里。
一、stack堆疊
stack() 返回一個 Series， 需要通過 reset_index() 進行重置索引。
使用語法：
DataFrame.stack(level=-1, dropna=True)
- 單索引
# 構建測試集
import pandas as pd
import numpy as np
df_size = 10
df = pd.DataFrame({
'a': np.random.rand(df_size),
'b': np.random.rand(df_size),
'c': np.random.rand(df_size),
'd': np.random.rand(df_size),
'e': np.random.rand(df_size)
})
print(df)
# 不指定參數 所有列都將被堆疊
data = df.stack() # 一維Series
'''
0 a 0.374002
b 0.289687
c 0.720090
d 0.645252
e 0.063648
1 a 0.012059
b 0.228809
c 0.018861
d 0.511085
e 0.002751
dtype: float64
'''
# 重設索引
df.stack().reset_index()
'''
level_0 level_1 0
0 0 a 0.374002
1 0 b 0.289687
2 0 c 0.720090
3 0 d 0.645252
4 0 e 0.063648
'''
使用 stack 函數，將數據框的列索引轉變成行索引（第二層），得到一個層次化的 Series 。
- 多層索引
multicol1 = pd.MultiIndex.from_tuples([('weight', 'kg'),
('weight', 'pounds')])
df_multi = pd.DataFrame([[1, 2], [2, 4]],
index=['cat', 'dog'],
columns=multicol1)
df_multi.stack() # 內層列索引
df_multi.stack(level=1) # 同上 內層列索引
df_multi.stack(level=0) # 第一層列索引
# 刪除空數據行
df_multi.stack(dropna=True)
二、unstack反堆疊
使用語法：
DataFrame.unstack(level=-1, fill_value=None)
- 單索引
# 反堆疊
df.stack().unstack()
# 通過level參數選擇堆疊的索引
df.stack().unstack(level=0)
'''
0 1 2 ... 7 8 9
a 0.521016 0.349603 0.140595 ... 0.578615 0.629479 0.896016
b 0.043503 0.540825 0.379667 ... 0.570826 0.484303 0.922657
c 0.674632 0.044395 0.931385 ... 0.974338 0.228876 0.081472
d 0.960165 0.859809 0.713214 ... 0.247970 0.665914 0.653477
e 0.330087 0.453380 0.293309 ... 0.885709 0.591437 0.842542
'''
# 列標簽填充
df.stack().unstack(level=0, fill_value='type')
利用 unstack 函數，將生成后的第二層行索引轉變成列索引（默認內層索引，level=-1），恢復原始數據框。
- 多層索引
df_multi2 = df_multi.stack(level=0)
df_multi2.unstack(level=0)
'''
kg pounds
cat dog cat dog
weight 1 2 2 4
'''
三、reshape變形
實現 Series 數據變形。
import pandas as pd
import numpy as np
data = pd.DataFrame(np.arange(12).reshape(3,4),
index=pd.Index(['street1','street2','street3']),
columns=pd.Index(['store1','store2','store3','store4']))
print(data)
參考鏈接：Python: Pandas中stack和unstack的形象理解
參考鏈接：pandas中stack的用法