pandas---stack()方法可以将数据的列索引转换为行索引以及pivot()进行分类

本文链接：https://blog.youkuaiyun.com/weekyin/article/details/130738800

文章展示了如何使用Pandas的stack()方法将数据列转换为行索引，并通过pivot()函数进行数据重塑，以便更好地组织和展示数据。最后，将处理后的数据保存为Excel文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pandas as pd
# stack()方法可以将数据的列索引转换为行索引
df = pd.DataFrame({"A": ["A0", "A1", "A2"],
"B": ["B0", "B1", "B2"]})
print(df)
result = df.stack()
print(result)

df_sj = pd.DataFrame({"出售日期": ["2017年5月25日", "2017年5月25日", "2017年5月25日", "2017年6月18日", "2017年6月18日", "2017年6月18日"],
"商品名称": ["荣耀9青春版", "小米6X", "oppo A1", "荣耀9青春版", "小米6X", "oppo A1"],
"价格（元）": [999, 1399, 1399, 800, 1200, 1250]})
print(df_sj)
'''
出售日期 商品名称 价格（元）
0 2017年5月25日 荣耀9青春版 999
1 2017年5月25日 小米6X 1399
2 2017年5月25日 oppo A1 1399
3 2017年6月18日 荣耀9青春版 800
4 2017年6月18日 小米6X 1200
5 2017年6月18日 oppo A1 1250
'''
# result1 = df_sj.stack()
# print(result1)
result = df_sj.pivot(index="出售日期", columns="商品名称", values="价格（元）")
# 使用pivot()函数，其中index:用于创建新的Dataframe对象的行索引，columns: 用于创建新的Dataframe对象的列索引 values：表示创建新的Dataframe对象的值
'''
商品名称 oppo A1 小米6X 荣耀9青春版
出售日期
2017年5月25日 1399 1399 999
2017年6月18日 1250 1200 800
'''
result.to_excel("E:/2017年618活动价格.xlsx") # 保存到本地