Python实现行转列？！超简单，赶快get起来-CSDN博客

前言

数据的行转列操作，在实际工作过程中应用非常广泛。

由于不同人员、不同部门对数据结构的认识是不大相同的，尤其是从基层人员手里拿到的数据，更是五花八门，横七竖八。

比如有这样一张成绩表：

乍一看，好像没毛病啊！！

然鹅鹅鹅，当需求：=简单计算一下每个人的总分吧！来临的时候。我脑海中不禁浮想起了：

安排

# 遇事不要慌，先导个包吧
import pandas as pd
import numpy as np


# 造假数据
data = {'name':['严小样儿','严小样儿','严小样儿','才华横竖都溢','才华横竖都溢','才华横竖都溢','幽兰幽香','幽兰幽香','幽兰幽香'],
       'subject':['Python','C','SQL','Python','C','SQL','Python','C','SQL'],
       'score':[95,60,95,96,95,80,99,94,88]}


# 生成df
df = pd.DataFrame(data)
df

使用pivot方法即可完成行转列哦~语法如下：

#df.pivot(index=None, columns=None, values=None)
df.pivot(index='name',columns='subject',values='score')

不要高兴的太早，遇到重复值就麻烦了！少侠请看：

# 造含有重复值的假数据
data1 = {'name':['严小样儿','严小样儿','严小样儿','严小样儿','才华横竖都溢','才华横竖都溢','才华横竖都溢','幽兰幽香','幽兰幽香','幽兰幽香'],
       'subject':['Python','Python','C','SQL','Python','C','SQL','Python','C','SQL'],
       'score':[95,95,60,95,96,95,80,99,94,88]}


df1 = pd.DataFrame(data1)
df1

df1.pivot(index='name',columns='subject',values='score')


# 一旦有重复值，就会报错。
ValueError: Index contains duplicate entries, cannot reshape

别急别急，去个重不就可以了吗？！

df1.drop_duplicates().pivot(index='name',columns='subject',values='score')

方法二：数据透视表

# pivot_table(data, values=None, index=None, columns=None, aggfunc='mean')
pd.pivot_table(df1,index='name',columns='subject',values='score',aggfunc={'score':'max'})

聚合

刚刚说了，要求每个人的总分，其实使用透视表就可以完成。

不过，稍微动动脑筋哦。遇到重复值数据的话，只能使用下面的方法一，去重后的数据集，方法一，二都支持。

计算每个人的总分，语法如下：

# 重复数据集也可以
df_pivot = pd.pivot_table(df1,index='name',columns='subject',values='score',aggfunc={'score':'max'})
# 增加一个新列：Total
df_pivot['Total'] = df_pivot.apply(lambda x:np.sum(x),axis = 1)
df_pivot

方法二，必须是去重后的数据集，否则会出现计算错误。

# 使用去重数据集才可以
pd.pivot_table(df,index='name',values='score',aggfunc='sum')

# 使用join方法把总分列加进去。
total = pd.pivot_table(df,index='name',values='score',aggfunc='sum')
pd.pivot_table(df,index='name',columns='subject',values='score').join(total)

--需求方：算是算出来了，可是，这个score看着怪怪的，能不能改成“总分”呢？

--严小样儿：我改（卑微）！安排~

total1 = pd.pivot_table(df,index='name',values='score',aggfunc='sum').rename({'score':'总分'},axis=1)
pd.pivot_table(df,index='name',columns='subject',values='score').join(total1)