教你如何快速用python实现列转行

我们今天给大家分享一波python当中，列转行的骚操作。

最原始的需求如下：

需要达到如下目的：

换句话说，每家被投企业要一一对应一家投资企业。当pandas版本很低的时候，没有什么好的方法直接实现，操纵起来比较繁琐，通过升级pandas达到0.25版本以上，pandas就提供了explode方法来出来像上面的这种情况。

首先我们先用之前的方法来实现，最后再用explode方法来实现，进行相互对比。

下面我们用4种方法来实现：

方法一

import pandas as pddf = pd.DataFrame({"投资企业":["xxx清奇科技有限公司","xxx宇塔字节科技有限公司","xxx金羽新能科技有限公司"],                   "被投企业":["xxx电波科技有限公司","xxx宇塔健康科技有限公司,xxx优叶堂健康科技有限公司",                           "xxx金羽新能源科技有限公司,xxx河金羽新能科技有限公司"]})df1 = df['被投企业'].str.split(",")print(df1)

我们先用字符串的split方法，按","分隔，没一行会形成一个列表，如下：

然后我们再分别创建两个列表，from_investment_list 和 to_investment_list。我们再通过两个循环遍历存储，外层循环遍历被投企业，内层循环遍历每行列表的元素，代码如下：

from_investment_list = []to_investment_list = []for i,name in enumerate(df1):    for j in name:        from_investment_list.append(df['投资企业'][i])        to_investment_list.append(j)df2 = pd.DataFrame({"投资企业":from_investment_list,"被投企业":to_investment_list})print(df2)

效果如下：

方法二

方法二和方法一有些相似，同样建立两个列表，from_investment_list 和 to_investment_list。再用zip方法遍历投资企业和被投企业，代码如下：

import pandas as pddf = pd.DataFrame({"投资企业":["xxx清奇科技有限公司","xxx宇塔字节科技有限公司","xxx金羽新能科技有限公司"],                   "被投企业":["xxx电波科技有限公司","xxx宇塔健康科技有限公司,xxx优叶堂健康科技有限公司",                           "xxx金羽新能源科技有限公司,xxx河金羽新能科技有限公司"]})from_investment_list = []to_investment_list = []for from_name,to_names in zip(df["投资企业"],df["被投企业"]):    for name in to_names.split(","):        from_investment_list.append(from_name)        to_investment_list.append(name)df1 = pd.DataFrame({"投资企业":from_investment_list,"被投企业":to_investment_list})print(df1)

效果如下：

方法三

先上代码

import pandas as pddf = pd.DataFrame({"投资企业":["xxx清奇科技有限公司","xxx宇塔字节科技有限公司","xxx金羽新能科技有限公司"],                   "被投企业":["xxx电波科技有限公司","xxx宇塔健康科技有限公司,xxx优叶堂健康科技有限公司",                           "xxx金羽新能源科技有限公司,xxx河金羽新能科技有限公司"]})df = df.drop("被投企业",axis = 1).join(df["被投企业"].str.split(",",expand = True).stack().reset_index(level=1,drop = True).rename("被投企业"))print(df)

代码分解：

① 我们先用split方法进行分隔，再加一个参数，expand = True，可以把每一行的元素，转换成列，里面的元素不够，则以None值填充。

df1 = df["被投企业"].str.split(",",expand = True)print(df1)

②通过stack方法，level默认为-1，从列轴堆叠到索引上的级别轴，定义为一个索引或标签或索引列表或标签。

df1 = df["被投企业"].str.split(",",expand = True)df2 = df1.stack()print(df2)

③我们重置索引，reset_index(level=-1,drop=True),level = 1带表删除两个索引，默认删除全部。drop = True 代表删除原有索引。

df1 = df["被投企业"].str.split(",",expand = True)df2 = df1.stack()df3 = df2.reset_index(level=1,drop = True)print(df3)

df1 = df["被投企业"].str.split(",",expand = True)df2 = df1.stack()df3 = df2.reset_index(level=1,drop = True)df4 = df.drop("被投企业",axis = 1).join(df3.rename("被投企业"))print(df4)

这一步可能大家，有的小伙伴可能不太理解，是如何用join方法拼接的。这里我再给大家细分如下：

df1 = df["被投企业"].str.split(",",expand = True)df2 = df1.stack()df3 = df2.reset_index(level=1,drop = True)df4 = df.drop("被投企业",axis = 1)print(df4)

通过对应的索引来连接的，和merge、append、concat有异曲同工之妙。

方法四

最后，王炸方法来了。什么都不说，先上代码

df['被投企业'] = df['被投企业'].str.split(",")df1 = df.explode('被投企业')print(df1)

这个就是我们开头的给大家说的explode方法，是不是非常简单，以后遇到此类情况，我们可以优先考虑方法四。

对于这么高效的exlode方法，大家也可以阅读源码，简单如下

-END-

---

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、机器学习、自动化测试带你从零基础系统性的学好Python！

👉[CSDN大礼包：《python安装工具&全套学习资料》免费分享]（安全链接，放心点击）

👉Python学习大礼包👈

👉Python学习路线汇总👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取哈）

👉Python必备开发工具👈

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python实战案例👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python书籍和视频合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉Python面试刷题👈

👉Python副业兼职路线👈

这份完整版的Python全套学习资料已经上传CSDN，朋友们如果需要可以点击链接免费领取或者保存图片到wx扫描二v码免费领取 【保证100%免费】

👉[CSDN大礼包：《python安装工具&全套学习资料》免费分享]（安全链接，放心点击）