一般来说mysql中存储的数据是面向列式的，这种格式非常善于新增数据或者删除数据，如果数据量比较大的话，还可以很方便地按行进行拆分，然后分片处理。
但是在数据分析时，我们更期望日期是行索引，评分是列索引，中间每个单元格的值是对应的数据。那如何将左边的数据变成右边的数据形式呢？
这就是将列示数据变成二维交叉形式，便于分析，这就叫做重塑或透视。
经过统计得到多维度指标数据
在实际的场景中经常需要指定多个维度，计算聚合后的指标。比如像统计电影评分数据集中每个月份的每种评分(1-5分)被评分多少次。
读取数据，并利用pandas中的to_datetime方法将时间转换为日期的形式：
此时pdata的格式变成datetime64[ns]格式，转换成这种格式的好处在于可以直接使用pandas的dt.month得到月份，之后按照月份和打分等级进行多层groupby，之后挑选出"UserID"这一列，再调用聚合方法agg，调用np.sum进行计数。
对于上述这样的格式数据，想要去查看按月份，不同评分的次数趋势，是没法实现的，需要将数据变换成每个评分是一列(x轴是月份，y轴是评分，中间是数值这种二维形式)。
使用unstack实现数据二维透视
调用unstack()方法可以实现：对比按照月份的不同评分的数量趋势：
从上图所示结果可以看出，大家在一月份对评分不感兴趣，在八月份评分最多。
unstack和stack是互逆操作：
使用pivot简化透视
调用pivot方法直接指定x，y，和数值这三列可以直接实现数据的透视：
pivot方法相当于对df使用set_index创建分层索引，然后调用unstack。