data=pd.DataFrame({"Name":["苹果","谷歌","脸书","亚马逊","腾讯"],
"Conpany":["Apple","Google","Facebook","Amozon","Tencent"],
"Sale2013":[5000,3500,2300,2100,3100],
"Sale2014":[5050,3800,2900,2500,3300],
"Sale2015":[5050,3800,2900,2500,3300],
"Sale2016":[5050,3800,2900,2500,3300]})
- 数据形状
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/ab9715e515d9f0864315fe0febf3bfde.png)
使用melt将宽表转换成长表
data=data.melt(id_vars=["Name","Conpany"],value_name="Sale",var_name="Year")
- 转换好的数据的形状
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/bab6978d4f2252d6b2a48d06703834c5.png)
使用pivot_tbale将长表转换成宽表
print('pivot_table将长表转换成宽表')
data = data.pivot_table(index=['Name','Conpany'],columns='Year',values='Sale')
- 转换好的数据形状是
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/1226562d89611e5c8a7aab4f0dd7cd63.png)