如何在Pandas中处理双层参数逆透视？解决df.unstack()无效问题

嘿，我来帮你搞定这个双层列DataFrame的逆透视问题！你说用df.unstack()没效果，其实这很正常——unstack()是用来展开行索引的层级的，而你现在要处理的是列的多层索引，得换个思路~

先明确数据结构（模拟你的场景） #

假设你的my df是类似这样的双层列索引DataFrame：

import pandas as pd

# 构造模拟数据（双层列）
data = {
    ('参数组1', '子参数a'): [10, 20, 30],
    ('参数组1', '子参数b'): [40, 50, 60],
    ('参数组2', '子参数a'): [70, 80, 90],
    ('参数组2', '子参数b'): [100, 110, 120]
}
my_df = pd.DataFrame(data, index=['样本1', '样本2', '样本3'])

它的结构长这样：

参数组1        参数组2    
        子参数a 子参数b 子参数a 子参数b
样本1      10    40    70   100
样本2      20    50    80   110
样本3      30    60    90   120

而你想要的finish data应该是这种长格式：

index  参数组  子参数  value
0   样本1  参数组1 子参数a     10
1   样本1  参数组1 子参数b     40
2   样本1  参数组2 子参数a     70
3   样本1  参数组2 子参数b    100
4   样本2  参数组1 子参数a     20
5   样本2  参数组1 子参数b     50
6   样本2  参数组2 子参数a     80
7   样本2  参数组2 子参数b    110
8   样本3  参数组1 子参数a     30
9   样本3  参数组1 子参数b     60
10  样本3  参数组2 子参数a     90
11  样本3  参数组2 子参数b    120

正确的逆透视方法 #

方法1：用stack()（最适合多层列的场景）

stack()是unstack()的反向操作——它会把列索引的层级转成行索引，完美匹配你的需求：

# 把双层列索引全部转成行索引（level=[0,1]指定两层都转，默认转最内层，也可以分步转）
stacked_df = my_df.stack(level=[0, 1])

# 重置索引，把行索引转成列，并重命名列名
finish_data = stacked_df.reset_index()
finish_data.columns = ['index', '参数组', '子参数', 'value']

运行后就能得到上面的目标格式啦。如果只需要转其中一层列，比如只转外层的参数组，只需要调整level参数的值就行。

方法2：用pd.melt()（适合自定义列名的场景）

如果你习惯用melt()，需要先把双层列名合并成单个列，再拆分：

# 把双层列名用下划线拼接成单个列名
my_df.columns = ['_'.join(col) for col in my_df.columns]

# 执行melt，把宽表转成长表
melted_df = pd.melt(my_df, ignore_index=False, var_name='参数组合', value_name='value')

# 拆分拼接后的列名，得到参数组和子参数
melted_df[['参数组', '子参数']] = melted_df['参数组合'].str.split('_', expand=True)

# 整理列顺序，得到目标格式
finish_data = melted_df.reset_index()[['index', '参数组', '子参数', 'value']]

为什么unstack()没效果？ #

再强调下：unstack()的作用是把行索引的层级展开成列，比如如果你的DataFrame是行有多层索引，用它可以把行的层级转成列；但你现在是列有多层，所以要用反向的stack()来把列转成行索引，再重置索引得到长格式。

双层参数（多层索引）逆透视的核心思路 #

• 针对多层列索引：优先用stack()，通过level参数指定要转换的列层级，再用reset_index()把行索引转为列。
• 针对多层行索引：才用unstack()来展开行层级为列，实现宽表转换。

内容的提问来源于stack exchange，提问作者A.G.A