python数据逆透视_如何实现“逆向”透视!

难度:Excel中高级

适用场景:表操作,格式整理

阅读时间:5-10分钟

工作中经常遇到这种看上去像透视表一样的表格,我们可能需要‘还原’它 (如下图)。那么怎么做呢?一条一条的复制过去?今天教大家几种方法来逆向透视表:

1.直接使用 透视表工具

快捷键 ALT + D + P 调出透视表向导,如果记不住快捷键的同学,我们以后讲快速工具栏的时候会告诉大家在哪里可以添加透视表向导的按钮。然后,选择【多重合并计算数据区域】

下一步,选择【自定义字段】

然后,按步骤选择我们的数据区域,并且添加到【所有区域】中 (下图中1,2,3的顺序)

最后我们选择输出到当前工作表的 B16 位置并且点击【完成】

这个时候我们就会得到一个根据我们原数据来创建的真正的数据透视表,我们双击右下的总计数字就可以得到结果了。

2.利用 Power Query

首先我们选中我们的元数据,并利用【数据】-【从表格】这个选项把我们的数据注入Power Query 后台

注意选项,需要表包含标题

导入以后,我们选中【产品】这一列

然后点击【转换】-【逆透视列】-【逆透视其他列】

逆透视的结果就出来了。

然后重命名字段名称并上载到工作表。

这个时候就直接得到我们想要的结果了,非常方便吧!

3.利用 Python

这里我们选择 Python Pandas 来帮助我们达成目标,首先我们复制原数据到剪切板

随后写一小段程序逆透视一下数据,并且

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数据透视是一种将数据从宽表格转换为长表格的操作,通常用于将数据进行清洗、整合和分析。Python中有多种方法可以实现数据透视,下面介绍其中两种常用的方法。 ## 方法一:使用pandas库的melt函数 pandas库是Python数据处理的重要工具,其中的melt函数可以实现数据透视。具体步骤如下: 1. 导入pandas库,并读入需要透视数据。 ``` python import pandas as pd df = pd.read_excel('data.xlsx') ``` 2. 使用melt函数将宽表格转换为长表格。 ``` python df_melt = pd.melt(df, id_vars=['ID', 'Name'], var_name='Variable', value_name='Value') ``` 其中,id_vars参数指定需要保留的唯一标识列,var_name参数指定需要转换的列名,value_name参数指定转换后的数据列名。 3. 输出透视后的数据。 ``` python print(df_melt) ``` ## 方法二:使用pandas库的stack函数 除了melt函数外,pandas库的stack函数也可以实现数据透视。具体步骤如下: 1. 导入pandas库,并读入需要透视数据。 ``` python import pandas as pd df = pd.read_excel('data.xlsx') ``` 2. 使用stack函数将宽表格转换为长表格。 ``` python df_stack = df.set_index(['ID', 'Name']).stack().reset_index().rename(columns={'level_2': 'Variable', 0: 'Value'}) ``` 其中,set_index函数将需要保留的唯一标识列设置为索引,stack函数将列索引转换为行索引,reset_index函数重置索引并将列索引转换为列名,rename函数重命名列名。 3. 输出透视后的数据。 ``` python print(df_stack) ``` 以上就是两种常用的Python实现数据透视的方法,可以根据具体情况选择适合的方法进行数据处理。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值