企业官网建设流程全解析

数据重塑：melt、stack 与 unstack 的使用方法

摘要

同一份业务数据，可能以适合人工阅读的宽表保存，也可能以适合程序分析的长表保存。宽表便于查看不同月份、渠道或指标的横向对比，长表则更适合分组、筛选、绘图和写入数据库。数据分析过程中，经常需要在两种结构之间转换。

本文介绍 pandas 中melt、stack和unstack的使用方法，说明长表与宽表的区别、标识列和度量列的划分方式，以及pivot、pivot_table与数据重塑之间的关系。最后通过销售数据案例完成宽转长、长转宽、MultiIndex 重塑和结果校验。

一、背景与问题

1. 宽表和长表

宽表通常把同一类指标展开到多个列中：

region channel 一月 二月 三月 华东 线上 120 150 180 华东 门店 90 110 125 华南 线上 80 95 130

长表则把“月份”从列名变成一列：

region channel month sales 华东 线上 一月 120 华东 线上 二月 150 华东 线上 三月 180

两种结构没有绝对的优劣，关键在于使用场景：

2. 数据重塑不是数据聚合

数据重塑主要改变行列的组织方式，通常不会主动计算总和、平均值或最大值。数据聚合则会把多条记录压缩成统计结果。

例如，把“一月、二月、三月”转换为month列属于重塑；按照地区计算销售总额属于聚合。混淆二者，容易在转换过程中无意丢失明细。

3. 需要先明确一行代表什么

执行重塑前，要先写清楚数据粒度：

一行 = 一个地区 + 一个渠道 + 一个月份的销售记录

如果region + channel + month不能唯一确定一行，直接使用pivot就可能报错；如果强行使用pivot_table，还需要明确重复数据应该如何聚合。

二、核心概念

1.melt：把宽表转换为长表

melt的核心思想是：

保留标识列 ↓ 把多个指标列展开 ↓ 生成变量列和数值列

常用参数如下：

例如，region和channel是标识列，一月、二月、三月是需要展开的度量列。

2.stack：把列层级移动到行索引

stack主要面向索引和列索引，作用是把列轴上的一个层级移动到行索引中。转换之后，结果通常会出现MultiIndex。

列轴：一月、二月、三月 ↓ stack 行索引：地区、渠道、月份

当 DataFrame 的列是普通单层列时，stack通常返回 Series；当列本身是多层列索引时，stack可以返回仍然带有多个列的 DataFrame。

3.unstack：把行索引层级移动到列

unstack与stack方向相反，它会把行索引中的某一层移动到列轴：

行索引：地区、渠道、月份 ↓ unstack("month") 列轴：一月、二月、三月

使用unstack前，通常需要先通过set_index创建多层索引，或者已经拥有一个MultiIndex。

4.pivot与pivot_table

如果业务上确认每个键组合只有一条记录，优先使用pivot，这样可以尽早发现重复数据。如果重复数据本来就有业务意义，则应使用pivot_table并明确聚合规则。

三、工作原理

1.melt如何计算结果行数

如果原始表有n行，选择了m个value_vars，且没有过滤缺失值，那么melt通常会生成n × m行。

例如：

原始数据：3 行 展开列：3 列 结果数据：3 × 3 = 9 行

因此，展开前后行数变化是可预期的。不能把行数增加直接判断为重复数据。

2.stack与 MultiIndex

stack的关键不是简单地“把列变成行”，而是将列标签写入索引层级。一个二维表在重塑后可能变成：

region channel month 华东 线上 一月 120 二月 150 华东 门店 一月 90 二月 110

如果索引或列轴中存在多个层级，就要通过层级名称或位置指定重塑对象，例如stack("month")或unstack("channel")。

3. 缺失值与零值不是一回事

重塑可能产生两类“空”：

• 原始数据中本来没有这条组合记录；
• 这条组合存在，但业务值确实为零；

两者不能直接用fillna(0)混为一谈。前者可能表示没有销售、未采集或不适用，后者表示确实发生了记录值为零的业务事件。

4. 重塑后的排序

melt会按照value_vars的顺序生成结果。stack和unstack可能改变索引顺序，因此进行结果比较时，应该明确排序字段，而不是依赖当前显示顺序。

四、实战示例

1. 准备宽表

下面的示例使用 Python 3.10+ 和 pandas 2.1+。各代码块按顺序运行，可以直接使用交互式解释器或 Jupyter Notebook。

python -m pip install "pandas>=2.1"

importpandasaspd wide=pd.DataFrame({"region":["华东","华东","华南"],"channel":["线上","门店","线上"],"一月":[120,90,80],"二月":[150,110,95],"三月":[180,125,130],})print(wide)

这张表中，region和channel用来识别一条业务记录，月份列是需要展开的销售指标。

2. 使用melt转成长表

long=wide.melt(id_vars=["region","channel"],value_vars=["一月","二月","三月"],var_name="month",value_name="sales",)long=long.sort_values(["region","channel","month"],ignore_index=True,)print(long)

结果结构如下：

region channel month sales 0 华东 线上 一月 120 1 华东 线上 三月 180 2 华东 线上 二月 150 ...

如果需要按自然月份排序，不要依赖中文月份的字符串排序，可以显式设置分类顺序：

month_order=["一月","二月","三月"]long["month"]=pd.Categorical(long["month"],categories=month_order,ordered=True,)long=long.sort_values(["region","channel","month"],ignore_index=True,)

3. 从长表恢复宽表

因为region + channel + month在本例中是唯一键，所以可以使用pivot：

restored=(long.pivot(index=["region","channel"],columns="month",values="sales",).reindex(columns=month_order).reset_index())restored.columns.name=Noneprint(restored)

pivot不会替你处理重复键。如果同一个地区、渠道和月份出现多条记录，可以改用：

summary=long.pivot_table(index=["region","channel"],columns="month",values="sales",aggfunc="sum",fill_value=0,observed=True,).reindex(columns=month_order).reset_index()summary.columns.name=None

这里的sum是明确的业务选择，不应为了消除报错而随意添加。

4. 使用stack和unstack

下面把宽表的标识列设置为多层索引，再将月份列堆叠到索引中：

indexed=wide.set_index(["region","channel"])stacked=indexed.stack(future_stack=True)stacked.name="sales"stacked.index=stacked.index.set_names(["region","channel","month"])print(stacked)

再把month这一层索引移回列轴：

unstacked=stacked.unstack("month")unstacked=unstacked.reindex(columns=month_order)print(unstacked)

future_stack参数从 pandas 2.1 开始提供。这里显式使用新的堆叠实现，不再依赖旧实现的默认缺失值处理；使用它时，不要同时传入dropna和sort。如果项目仍使用更早的 pandas，请查阅对应版本文档或先升级，不要直接复制混用版本的参数。

对于本例这种单层列结构，新实现会保留原表中已有位置上的缺失值：

with_missing=indexed.copy()with_missing.loc[("华东","线上"),"二月"]=float("nan")missing_stacked=with_missing.stack(future_stack=True)assertlen(missing_stacked)==with_missing.sizeassertpd.isna(missing_stacked.loc[("华东","线上","二月")])

“保留已有缺失值”不等于“自动补齐所有可能的索引组合”。对多层列索引，仍要区分原表存在的列组合和业务上根本不存在的组合。

5. 验证重塑是否保持数据

仅仅看到结果形状正确还不够，还应该验证键和数值是否一致：

expected=(wide.set_index(["region","channel"]).reindex(columns=month_order).sort_index())actual=(restored.set_index(["region","channel"]).reindex(columns=month_order).sort_index())pd.testing.assert_frame_equal(expected,actual,check_names=False,)

在生产脚本中，可以额外检查：

assertlen(long)==len(wide)*len(month_order)assertnotlong.duplicated(["region","channel","month"]).any()assertlong["sales"].sum()==wide[month_order].sum().sum()

这些检查分别验证了行数、键唯一性和总量是否保持。

五、常见问题与实践建议

1.pivot报重复键错误

先定位重复组合：

duplicates=(long.groupby(["region","channel","month"],dropna=False,observed=True,).size().reset_index(name="count").query("count > 1"))print(duplicates)

如果重复记录是脏数据，应回到数据源处理；如果重复记录表示多笔订单，则先按照业务规则聚合，再进行透视。

2. 把melt当成聚合操作

melt只是改变数据排列方式，不会自动计算每个地区的总销售额。需要统计时，应该显式使用groupby：

region_total=(long.groupby("region",as_index=False)["sales"].sum().rename(columns={"sales":"total_sales"}))

3. 月份、季度等标签被错误排序

字符串排序不一定符合业务顺序。月份、季度、等级和流程状态等字段，应使用有序分类或显式排序映射。

4. 把缺失值直接填成零

在填充之前先确认空值语义。如果空值表示“没有销售记录”，可以在明确业务规则后填零；如果表示“数据未采集”，则应保留缺失或单独增加质量标记。

5. 重塑后索引名称没有清理

pivot、stack和unstack可能保留columns.name或多层索引名称。输出报表前，可以使用：

result=unstacked.reset_index()result.columns.name=None

6. 不检查数据量变化

对melt来说，行数增加通常是正常的；对pivot来说，行数减少也可能是正常的。关键是提前计算预期粒度，并在代码中加入断言。

六、进阶思考

1. 宽表和长表应服务于不同环节

一个稳定的数据处理流程，通常可以采用如下分工：

原始文件宽表 ↓ melt 标准化长表 ↓ 清洗、关联、聚合 分析结果长表 ↓ pivot / unstack 报表展示宽表

不要为了让中间结果“看起来像 Excel”而过早恢复成宽表，否则可能增加后续筛选和聚合的复杂度。

2. 多层列索引适合表达多个维度

当列同时包含“指标”和“统计口径”时，可以使用MultiIndex：

columns=pd.MultiIndex.from_tuples([("sales","sum"),("sales","mean"),],names=["metric","agg"],)multi=pd.DataFrame([[450,150],[325,325/3]],index=pd.Index(["线上","门店"],name="channel"),columns=columns,)metric_rows=multi.stack("agg",future_stack=True)print(metric_rows)

这里把agg从列层级移到行索引，metric仍保留在列轴，因此结果是 DataFrame，而不是 Series。

这类结构适合复杂报表，但对下游系统不够直观。导出 CSV 或写入数据库前，通常需要扁平化列名，并检查扁平化后是否出现重名。

3. 注意数据量膨胀

melt会把每个原始行复制到多个度量变量。对于百万级数据，展开前要估算内存占用，必要时只选择需要的value_vars，或分批处理文件。

4. 重塑结果要保留可追溯字段

长表中应保留能够定位原始记录的字段，例如订单号、日期、地区、渠道和产品编码。只有指标值而没有业务主键的长表，很难排查异常和回溯来源。

5. 把数据契约和校验一起封装

不要仅封装一行melt。更有价值的是把输入字段、键唯一性和输出行数约束放在同一个函数中：

defreshape_sales(frame,months):required={"region","channel",*months}missing=required-set(frame.columns)ifmissing:raiseValueError(f"缺少字段：{sorted(missing)}")ifframe.duplicated(["region","channel"]).any():raiseValueError("地区与渠道组合必须唯一")result=frame.melt(id_vars=["region","channel"],value_vars=months,var_name="month",value_name="sales",)assertlen(result)==len(frame)*len(months)returnresult checked_long=reshape_sales(wide,month_order)assertlen(checked_long)==9

往返转换不保证所有元数据自动恢复：多个数值列合并到一个值列时，类型可能统一；类别顺序、轴名称也可能变化。测试除了检查总和，还应比较各业务键对应的值，并根据项目契约决定是否严格检查数据类型。

结论

melt适合把宽表转换成长表，stack适合把列轴层级移动到行索引，unstack则可以把索引层级恢复到列轴。掌握这三个操作后，可以在业务明细、统计中间表和报表展示表之间灵活转换。

实际使用时，要先明确一行的业务粒度，再检查键是否唯一、空值代表什么、重塑后数据量是否符合预期。下一步可以继续学习 pandas 的描述性统计、时间序列分析和可视化，把重塑后的标准长表用于更完整的数据分析流程。

参考资料

• pandas DataFrame.melt 官方文档
• pandas DataFrame.stack 官方文档
• pandas 数据重塑与透视表官方指南