Pandas Pivot vs Melt: La forma correcta de reestructurar datos

Name: Rajiv Chandra

Updated on 19/11/2025

Reformatear datos suele ser el cuello de botella antes de analizar o graficar. Elegir mal puede duplicar filas, perder datos o producir tablas anchas difíciles de usar.

Enfoque PAS:

Problema: Datos wide/long desordenados frenan gráficos y agregaciones.
Agitar: Usar pivot con duplicados lanza errores; usar melt sin cuidado multiplica filas o pierde identificadores.
Solución: Flujo tidy: pivot_table si hay duplicados, pivot si las claves son únicas, melt para ir a long, stack/unstack para ajustar MultiIndex.

Guía rápida

Método	Dirección	Cuándo usar	¿Maneja duplicados?
`pivot`	long → wide	Claves únicas	🚫 (falla con duplicados)
`pivot_table`	long → wide	Se necesita agregación o hay duplicados	✅ vía `aggfunc`
`melt`	wide → long	Normalizar columnas a filas	N/A
`stack` / `unstack`	wide ↔ long sobre niveles de índice	MultiIndex	N/A

Datos de ejemplo

import pandas as pd
 
sales = pd.DataFrame({
    "region": ["NA", "NA", "EU", "EU"],
    "quarter": ["Q1", "Q2", "Q1", "Q2"],
    "product": ["A", "A", "A", "A"],
    "revenue": [120, 140, 110, 150],
    "units": [10, 11, 9, 12],
})

Formato ancho con `pivot`

wide = sales.pivot(index="region", columns="quarter", values="revenue")

Requiere combinaciones únicas de region + quarter.
Usa .reset_index() si necesitas aplanar después.

Ancho con agregación (`pivot_table`)

table = sales.pivot_table(
    index="region",
    columns="quarter",
    values="revenue",
    aggfunc="sum",
    margins=True,
    margins_name="Total"
)

Maneja duplicados agregando.
fill_value=0 deja la tabla limpia para exportar.

Varios valores y agregaciones

multi = sales.pivot_table(
    index="region",
    columns="quarter",
    values=["revenue", "units"],
    aggfunc={"revenue": "sum", "units": "mean"},
)

Aplanar columnas:

multi.columns = [f"{metric}_{col}" for metric, col in multi.columns]
multi = multi.reset_index()

Formato largo con `melt`

long = sales.melt(
    id_vars=["region", "quarter"],
    value_vars=["revenue", "units"],
    var_name="metric",
    value_name="value",
)

Ideal para bibliotecas que esperan datos tidy (una variable por columna, una observación por fila).
Controla qué columnas desanidar con value_vars.

Stack y unstack para MultiIndex

stacked = table.stack()
unstacked = stacked.unstack()

Reorganiza niveles sin redefinir claves.
Elige nivel con stack(level="quarter") o unstack(level=-1).

Errores comunes

Problema	Solución
`ValueError: Index contains duplicate entries` con `pivot`	Usa `pivot_table` con una agregación.
Orden de columnas inesperado	Ordena: `table = table.reindex(sorted(table.columns), axis=1)`.
MultiIndex difícil de leer	Aplana columnas tras `pivot_table`.
Valores faltantes tras reshape	Usa `fill_value` o `stack(dropna=False)` para conservar huecos.

Consejos de flujo de trabajo

Normaliza primero: melt → groupby/agg → pivot_table para presentación.
Para gráficos, mantén los datos en largo; wide es mejor para reportes/exportes.
Tras pivot_table, exporta a Excel: table.to_excel("report.xlsx").

Guías relacionadas

Puntos clave

pivot con claves únicas, pivot_table cuando hay que agregar, melt para ir a largo.
Aplana MultiIndex después de pivots complejos para exportar limpio.
Combina reshape con groupby para obtener datasets listos rápido.