想要表格行转列？简单几行Python代码搞定

Crossin的编程教室 2020-04-13

以下文章来源于统计与数据分析实战 ，作者严小样儿

统计与数据分析实战

基于Python、R语言、SQL，运用统计学知识，手把手带领读者进行数据分析实战。

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“就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

# 123遇事不要慌，先导个包吧import pandas as pdimport numpy as np
# 测试数据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dfdf = 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：Totaldf_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？
--开发方：（卑微地）我改！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)

行转列，就这样讲完了，大家赶快动手实践一下吧。
什么？你说要列转行？！那等我们下次再来分解吧

作者：严小样儿 

来源：统计与数据分析实战