python 做行转列通过enbid对应多个cell一行显示

今日领导要求把基站和小区对应起来并在一行显示。使用excel发现透视中无值选项。
通过python 中panda库中的pivot函数解决。
pivot(index=None, columns=None, values=None)
index: 可选参数。设置新dataframe的行索引，如果未指明，就用当前已存在的行索引。
columns：必选参数。用来设置作为新dataframe的列索引。
values：可选参数。在原dataframe中选中某一列/几列的值，使其在新dataframe的列里显示。如果不指定，则默认将原dataframe中所有的列都显示，这里需要注意：为了将所有的值都显示出来，就会出现多层行索引的情况。
代码如下：
df = pd.read_excel(‘F:\python\python_project\行转列\行转列.xlsx’, encoding=‘gbk’)
date=df.pivot( index= ‘enbo’,columns= ‘lCI’, values= ‘CI’)
备注：pd.pivot_table(df, index= ‘enbo’,columns= ‘ICI’, values= ‘CI’,aggfunc={ ‘CI’: ‘max’})

注意：原表中没有重复的 enbid+LCI ，重复报错。现场实际情况下 ebid+CI是唯一的才对。
如果重复可删除的可以使用df.drop_duplicates.pivot( index= ‘enbo’,columns= ‘lCI’, values= ‘CI’)
拓展学习：
pivot_table 类似于excel中的透视功能
pivot_table(data, values=None, index=None, columns=None,aggfunc=‘mean’, fill_value=None, margins=False, dropna=True, margins_name=‘All’)

pd.pivot_table( df, index=[“Counterparty”,“Trader”] )
必须参数date 和index ，注意输出的结果会把int 和float类型进行平均值计算。
pd.pivot_table(df, index=label_list, values=label_list) ，制定显示结果用values。
pd.pivot_table(df, index=label_list, values=label_list, aggfunc=func)，aggfunc对values进行计算，实例中np.sum,求和。 同时func可以是列表定义多种聚合计算aggfunc=[len, np.sum]
以上是对列操作
接下来是行操作：
d.pivot_table(df, index=label_list, values=label_list, columns=label_list, aggfunc=func_list) 利用columns参数对行转变为列进行聚合呈现。fill_value=0可把空值赋值0.

aggfunc = {col_1:func_1, col_2:func_2, … col_n:func_n} 对多个values计算。

设置 margins=True 总计