1. 重塑索引

重排索引使用的是pandas模块的 stack和 unstack方法，

stack方法

1）基本使用

对DataFrame使用stack方法可以看做将各列堆叠成竖直方向的索引，生成层次化索引，生成的是一个多层索引的Series，

2）dropna参数

stack方法会默认过滤掉缺失值，除非将dropna参数设置为False，

生成两个Series对象，水平方向拼接（拼接可参考教程），并制定索引名为"one"和"two"，生成具有缺失值的DataFrame，

3）level参数

如果存在多层列名索引，可以使用 level参数，指定哪一层列索引进行堆叠， level参数默认为 -1，即最后一层列索引，传入的可以是编码，也可以是列名。

unstack方法

1）基本使用

unstack方法则是将多层索引的Series转换为Dataframe，但是与stack不同的是，unstack可以指定将那一层索引去除堆叠，

对之前具有层次化索引的Series对象result使用unstack方法，

2）level参数

如果是指定哪层索引去除堆叠，可以使用索引的编号，也可以使用索引对象的名称，

stack 和unstack方法配合使用

格式转换——pivot方法

1）基本使用

官方文档中给出的解释如下，

Uses unique values from index / columns to form axes of the resulting DataFrame.

形成类似于课程表一样的基础表格，

将“date”这一列作为索引，将 item这一列不同的值作为列名，将value对应到pivot生成的表格中，

2）value参数

pivot方法的 values参数是可以不用给出来的，


实际上，pivot的作用可以看做是 set_index方法和 unstack方法的结合，