melt()转长表需显式指定id_vars和value_vars，避免漏写或误填；pivot()转宽表要求index+columns组合唯一，否则报错；重复时应改用pivot_table()并设aggfunc；转换后需手动恢复datetime、category等类型。
用 melt() 把宽表变长表：关键在 id_vars 和 value_vars
宽表转长表，核心是明确哪些列是“标识列”（比如用户ID、日期），哪些是“值列”（比如不同产品的销量）。melt() 不会自动猜——你必须显式指定。
常见错误是漏写 id_vars，结果所有列都被当成了变量，生成一堆无意义的 variable 行；或者把不该进 value_vars 的列（比如备注字段）塞进去，导致数据错位。
-
id_vars：必须是字符串列表，哪怕只有一列也要写成['user_id']，不能写成'user_id'（会报TypeError: unhashable type: 'str'） -
value_vars可省略，不写时默认取除id_vars外所有列；但显式写出更安全，尤其当原始列名含空格或特殊字符时 - 生成的默认列名是
variable和value，用var_name和value_name参数可改，比如var_name='product'、value_name='sales'
示例：
df.melt(id_vars=['date', 'region'], value_vars=['A_sales', 'B_sales'], var_name='product', value_name='sales')
用 pivot() 把长表变宽表：索引、列、值三者缺一不可
pivot() 不是万能的——它要求输入长表中，index + columns 的组合必须唯一，否则直接报 ValueError: Index contains duplicate entries, cannot reshape。这是最常卡住人的地方。
立即学习“Python免费学习笔记（深入）”；
它不聚合，只是“摊开”。如果你的长表里同一组 index+columns 有多个 values（比如同一天同一产品有两条销售记录），pivot() 就会失败；这时得先用 pivot_table()。
-
index和columns必须是现有列名，不能是计算字段（如df['date'].dt.year需先赋值为新列再传入） -
values参数可选，但省略后若存在多个数值列，会为每个都生成一套宽列，容易混乱 - 生成结果默认是
NaN填充缺失，不会自动插值或补0——需要填充得自己接.fillna(0)或.ffill()
示例：
df.pivot(index='date', columns='product', values='sales')
pivot_table() 是 pivot() 的安全替代：遇到重复键就靠它
只要长表里 index+columns 组合不唯一，就别硬刚 pivot()，直接换 pivot_table()。它本质是分组+聚合，天然处理重复。
默认聚合函数是 np.mean，但多数场景你要的是 sum 或 first；不指定 aggfunc 容易得到小数结果，和预期不符。
-
aggfunc接字符串（如'sum'）或函数（如lambda x: x.iloc[0]），多值聚合可传字典：{'sales': 'sum', 'qty': 'max'} -
fill_value参数比pivot()的.fillna()更早生效，适合直接填 0 或空字符串 - 性能上比先
drop_duplicates()再pivot()更稳，尤其数据量大时
示例：
df.pivot_table(index='date', columns='product', values='sales', aggfunc='sum', fill_value=0)
长宽互转后索引和列类型容易丢：datetime 和 category 别被自动转成 object
转换过程会重置索引和列结构。melt() 后原 datetime 列若进了 value_vars，就变成普通 object；pivot() 后新生成的列名默认是 object 类型，哪怕原来是 category 或数字。
这不是 bug，是 pandas 的默认行为——它优先保数据安全，不自动推断语义。但后续做时间切片或分类统计时就会出问题。
-
melt()前，对要保留类型的列先用astype()显式固定，比如df['date'] = pd.to_datetime(df['date']) -
pivot()或pivot_table()后，立刻检查新列类型：df.columns.dtype；若是object，且本应是类别，就用df.columns = df.columns.astype('category') - 时间索引转宽表后消失？用
set_index('date')手动恢复，别依赖自动继承
这事不难，但容易在调试完逻辑后才想起来，结果 downstream 操作全报错。
