使用Pandas透视表重塑数据：实现Amount与Quantity分行展示

问题场景 #

现有如下DataFrame，希望通过透视操作将Amount和Quantity在同一Category、Code、Invoice、Unit Price组合下分行展示，而非横向并排：

import pandas as pd
import numpy as np

df = pd.DataFrame({
        'Year':[2022,2022,2023,2023,2024,2024],
        'Month':[1,12,11,12,1,1],
        'Code':[None,'John Johnson',np.nan,'John Smith','Mary Williams','ted bundy'],
        'Unit Price':[np.nan,200,None,56,75,65],
        'Quantity':[1500, 140000, 1400000, 455, 648, 759],
        'Amount':[100, 10000, 100000, 5, 48, 59],
        'Invoice':['soccer','basketball','baseball','football','baseball','ice hockey'],
        'energy':[100.,100,100,54,98,3],
        'Category':['alpha','bravo','kappa','alpha','bravo','bravo']
})

原使用pivot_table的代码得到的结果中，Amount和Quantity是横向并列的，不符合需求：

index_to_use = ['Category','Code','Invoice','Unit Price']
values_to_use = ['Amount','Quantity']
columns_to_use = ['Year','Month']

df2 = df.pivot_table(index=index_to_use,
                            values=values_to_use,
                            columns=columns_to_use)

解决方案 #

通过stack()操作将列层级中的Amount/Quantity转移到索引中，实现分行展示：

# 执行原透视操作
df2 = df.pivot_table(index=index_to_use,
                     values=values_to_use,
                     columns=columns_to_use)

# 将列的第一层（Amount/Quantity）转到索引，实现分行
df_result = df2.stack(level=0).rename_axis(index=index_to_use + ['Type'])

此时输出的结果中，同一Category、Code、Invoice、Unit Price组合下，Amount和Quantity会分别占据一行，符合需求。例如对应示例数据中2022年12月的记录，会显示为：

Category  Code           Invoice    Unit Price  Type      2022  12
bravo     John Johnson  basketball  200.0       Amount     10000
bravo     John Johnson  basketball  200.0       Quantity  140000

说明 #

• stack(level=0)：将列MultiIndex的第一层（即Amount和Quantity）移动到行索引中，从而实现同一索引组合下的分行展示
• rename_axis：用于重命名索引层级，让输出结构更清晰
• 如果需要调整列的显示格式，可以进一步使用unstack或reset_index来调整最终展示结构

内容的提问来源于stack exchange，提问作者Alhpa Delta