Pandas转换CSV表格：unstack()/pivot()/crosstab()该选哪个？

问题背景 #

原始CSV数据格式：

需要转换为如下结构：

作为Pandas新手，尝试过unstack()、reset_index()和pivot_table()未达预期，需要明确正确的方法。

正确解决方案：melt() + pivot()组合 #

这里核心是先把宽格式转长格式，再重塑为目标宽格式，同时需要给每3行的指标组添加标识，避免重塑时数据混淆。

代码步骤 #

1. 导入Pandas并构造原始数据（如果是从CSV读取，用pd.read_csv()即可）

import pandas as pd

# 模拟原始CSV数据
data = {
    'Unnamed:5': ['Quartiles', 'CR', 'KPI', 'Quartiles', 'CR', 'KPI'],
    'Week5': [2, 1, 4, 2, 1, 3],
    'Week4': [3, 2, 5, 3, 2, 4],
    'Week3': [4, 5, 2, 4, 3, 1]
}
df = pd.DataFrame(data)

2. 重命名指标列并添加组ID

# 把Unnamed:5重命名为Metric，明确这是指标列
df = df.rename(columns={'Unnamed:5': 'Metric'})

# 每3行为一组，添加Group标识（避免不同组的Week数据被错误合并）
df['Group'] = df.index // 3

3. 转长格式+重塑为目标结构

# 使用melt把Week列转为行，得到(Group, Metric, Week, Value)的长格式
melted_df = df.melt(id_vars=['Group', 'Metric'], var_name='Week', value_name='Value')

# 使用pivot把Metric转为列，得到目标宽格式
result_df = melted_df.pivot(
    index=['Group', 'Week'],
    columns='Metric',
    values='Value'
).reset_index()

# 清理不需要的Group列，调整列顺序匹配目标结构
result_df = result_df.drop('Group', axis=1)[['Week', 'Quartiles', 'CR', 'KPI']]

执行后result_df就是你需要的目标表格。

方法选择说明 #

• pivot_table()：默认会对重复索引进行聚合（比如求和、均值），这里不需要聚合操作，用它会多此一举，甚至可能导致数据错误。
• unstack()：需要先构建合适的多层索引，配合分组也能实现，但步骤比melt()+pivot更繁琐，新手不易理解。
• crosstab()：用于统计类别变量的交叉频数/频率，完全不适合这种单纯的表格重塑场景。
• melt()+pivot()：逻辑清晰，先拆宽为长，再转长为宽，完美匹配当前的结构转换需求，是最适合的方案。

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