Pandas中unstack单级行索引：为何Store未转列索引，Product/Sales成列索引？

问题重现 #

执行代码：

import pandas as pd

data = {
    'Store': ['Store_A', 'Store_A', 'Store_B', 'Store_B'],
    'Product': ['Apples', 'Bananas', 'Apples', 'Bananas'],
    'Sales': [200, 350, 150, 500]
}

df = pd.DataFrame(data)
df.set_index(['Store'], inplace=True)  
df.unstack()

得到输出：

Store  
Product  Store_A     Apples
         Store_A    Bananas
         Store_B     Apples
         Store_B    Bananas
Sales    Store_A        200
         Store_A        350
         Store_B        150
         Store_B        500
dtype: object

疑问：为何作为行索引的Store未转换为列索引，反而Product和Sales成了列索引？预期结构为：以Product作为行索引，Store作为列索引，Sales为对应单元格的值（比如Apples行对应Store_A列值200、Store_B列值150）。

原因分析 #

unstack()的核心逻辑是将行索引中的指定层级转换为列索引。你先把Store设为唯一的行索引，此时行索引只有一层，调用unstack()时Pandas没有可转换的行索引层级，就会把原DataFrame的列（Product、Sales）当作新的行索引层级处理，最终出现和预期相反的结果。

正确实现方法 #

要得到预期结构，有两种简洁的实现方式：

方法1：set_index + unstack #

先设置包含Store和Product的复合行索引，再将Store层级转成列索引：

import pandas as pd

data = {
    'Store': ['Store_A', 'Store_A', 'Store_B', 'Store_B'],
    'Product': ['Apples', 'Bananas', 'Apples', 'Bananas'],
    'Sales': [200, 350, 150, 500]
}

df = pd.DataFrame(data)
# 设置Store和Product为复合行索引
df.set_index(['Store', 'Product'], inplace=True)
# 将Store层级从行索引转成列索引
result = df.unstack(level='Store')
print(result)

输出：

Sales       
Store  Store_A Store_B
Product              
Apples     200     150
Bananas    350     500

方法2：直接使用pivot #

如果只需要最终的透视表结构，用pivot方法一步到位：

df.pivot(index='Product', columns='Store', values='Sales')

输出和上述结果完全一致。

内容的提问来源于stack exchange，提问作者mehran arbabian