Pandas宽表长表互换，太好用了

一开始我也不理解什么是宽表，搜了一下资料，原来横向看很长的表被叫做：宽表

一般宽表有时间轴，如从2013-2016年间的数据。如下：

长表则是这样的：

它的字段并不会很多，但是行数很多。

字段：excel中列的意思

如何将这两种类型表转化呢？

宽表转长表

第一步：将表放到pandas

import pandas as pd #宽表转长表 data=pd.read_excel('C:/Users/yellow/Desktop/data.xlsx',header=0)

print(data)

正常打印

第二步：确定索引列，就是你需要保存的字段

data1=data.melt(id_vars=["公司","名字"],var_name="Year",value_name="sale")

这段代码的意思是，将"公司","名字"这2个字段固定起来，然后将【2013、2014、2015、2016】转成Year列，将【5000、3500】值转成sale列，注意这里要用“双引号”，书是这样说的，赋值给data1，否则数据不会改变。

print(data1)

看见这种情况，就知道我们已经转成长表了。

现在我们开始从长表转成宽表：

长表转宽表

以下是长表的样子：

其实这个结果是data1的结果了，我把它转出excel了，那看看我们怎么转成宽表

第一步：打印在pandas

data2=pd.read_excel('C:/Users/yellow/Desktop/data1.xlsx',header=0)

打印成功的话，准备转了

第二步：开始转宽表

data3=data2.pivot_table(index=["公司","名字"],columns="Year",values="sale")

要用到pivot_table，我也不知道这个是啥东西，要打。index=["公司","名字"]，你需要固定的列，columns="Year"将Year字段作为列，values="sale"将sale字段作为值。注意这里要用“双引号”，书是这样说的，赋值给data1，否则数据不会改变。

查看结果图：

以下是完整代码：

import pandas as pd #宽表转长表 data=pd.read_excel('C:/Users/yellow/Desktop/data.xlsx',header=0) print(data) data1=data.melt(id_vars=["公司","名字"],var_name="Year",value_name="sale") data1.to_excel('C:/Users/yellow/Desktop/data1.xlsx',index=True) print(data1) #长表转宽表 data2=pd.read_excel('C:/Users/yellow/Desktop/data1.xlsx',header=0) data3=data2.pivot_table(index=["公司","名字"],columns="Year",values="sale") data3.to_excel('C:/Users/yellow/Desktop/data2.xlsx',index=False) print(data3)

总结：

这个转化，特别简单，解决了我用透视表整理数据的烦恼。希望能对你们有帮助~