Python实现将横表和纵表任意转换的两种方法
我们日常做数据分析，接收到最多的表格是纵表，每个字段变量都有很长数据的长表，我们称之为纵向数据，但是，有时候，我们也会遇到横表，称之为横向数据，对于横向数据，我们会数据转化，将其转化为纵向数据进行数据处理，下面一起来学习。
示例工具：anconda3.7
本文讲解内容：pandas数据重塑
适用范围：在Python横表与纵表转化
首先导入我们本次案例使用的横向数据，从这里看出，横向数据类似于Excel数据透视表得出的表，将''季度''这个字段拖入到列，就会得到横表。
导入横向数据如下，包含城市、年份等字段。
import pandas as pd wide_table=pd.read_excel(r'C:\Users\尚天强\Desktop\各城市销量横向数据.xlsx') wide_table
横表转纵表
横表转纵表这里介绍两种方法，一种是melt()方法，另一种是stack()方法，在melt()的参数中id_vars表示不需要被转换的列名，除此之外剩下的列全部都要转换，就不用写了，var_name和value_name是自定义设置对应的列名，转为长表的数据如下所示。
long_table=wide_table.melt(id_vars=["城市","年份"],var_name="季度",value_name="销售量") long_table=long_table.sort_values(by=["城市","年份","销售量"],ascending=False) long_table
使用stack()方法，首先将'城市','年份'设置为这组数据的索引，然后stack()将列索引转换为行索引，最后reset_index()重置索引，修改一下列名，即可的得到与上面一样的结果。
long_table=wide_table.set_index(['城市','年份']).stack().reset_index() long_table.columns=['城市','年份','季度','销售量'] long_table
纵表转横表
纵表转横表就是使用前面介绍的数据透视的方法，看看Python如何做数据透视，这里使用pivot_table()，与Excel数据透视表类似，index放入行值,columns放入列值，values放入计算的值，然后重置索引，即可得到横表的结果。
wide_table=long_table.pivot_table(index=['城市','年份'],columns='季度',values='销售量').reset_index() wide_table=wide_table[['城市','年份','第一季度','第二季度','第三季度','第四季度']] wide_table
除此之外介绍一个SQL语法创建数据透视表的方法，这里导入pandasql库，sum结合case when函数判断计算列值，然后group by进行分组，即可得出如下的结果。
import pandasql as sql
sql.sqldf("""select 城市,年份,
sum(case when 季度="第一季度" then 销售量 end) as "第一季度",
sum(case when 季度="第二季度" then 销售量 end) as "第二季度",
sum(case when 季度="第三季度" then 销售量 end) as "第三季度",
sum(case when 季度="第四季度" then 销售量 end) as "第四季度"
from long_table
group by 城市,年份
order by 年份;""")
数据导出
本节的内容相对比较简单，熟练掌握纵表和横表的相互转化方法，以及数据透视的方法，可以让数据清洗变得尤为简单，数据表转换后赋值变量，然后导出，数据结果如下所示。
table1=long_table
table2=sql.sqldf("""select 城市,年份,
sum(case when 季度="第一季度" then 销售量 end) as "第一季度",
sum(case when 季度="第二季度" then 销售量 end) as "第二季度",
sum(case when 季度="第三季度" then 销售量 end) as "第三季度",
sum(case when 季度="第四季度" then 销售量 end) as "第四季度"
from long_table
group by 城市,年份
order by 年份;""")
#数据导出
write=pd.ExcelWriter(r'C:\Users\尚天强\Desktop'+'\\Python转置结果'+'.xlsx')
table1.to_excel(write,sheet_name='Python横向转纵向',index=False)
table2.to_excel(write,sheet_name='Python纵向转横向',index=False)
write.save()
write.close()
以上就是Python实现将横表和纵表任意转换的两种方法的详细内容，更多关于Python横表和纵表任意转换的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了Python中的numpy数组维度扩展详解,在numpy数组中,切片功能非常常用,例如x[:]表示取x的所有元素,可以通过在切片中增加None或者np.newaxis实现,它们的作用就是在相应的位置上增加一个维度,在这个维度上只有一个元素,需要的朋友可以参考下2023-09-09
PySimpleGUI就是GUI工具包，用于创建GUI的。本文将利用PySimpleGUI编写一个GUI翻译器，感兴趣的小伙伴可以跟随小编一起动手尝试一下2022-08-08
这篇文章主要介绍了Python时间获取及转换知识汇总的相关资料,非常不错，具有参考借鉴价值，需要的朋友可以参考下2017-01-01
这篇文章主要介绍了浅谈python图片处理Image和skimage的区别，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-08-08
python numpy中对ndarry按照index增删改查
这篇文章主要介绍了python numpy中对ndarry按照index增删改查，在numpy中的ndarry是一个数组，因此index就是位置下标，注意下标是从0开始，接下来一起进入下面文章了解详细内容吧2022-02-02
今天小编就为大家分享一篇更新pip3与pyttsx3文字语音转换的实现方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
读万卷书不如行万里路，学的扎不扎实要通过实战才能看出来，今天小编给大家带来一份python爬取二手房源信息的案例，可以用来直观的了解房价行情,大家可以在过程中查缺补漏，看看自己掌握程度怎么样2021-10-10
这篇文章主要给大家分享的是 Python中异常处理用法，为了保证程序的健壮性与容错性，即在遇到错误时候程序不会崩溃，我们需要对异常进行处理，下面来看看文章对此的用法,需要的朋友可以参考一下2021-11-11
Series是带标签的一维数组,可存储整数、浮点数、字符串、Python 对象等类型的数据,轴标签统称为索引,下面这篇文章主要给大家介绍了关于Python数据处理之pd.Series()函数的基本使用,需要的朋友可以参考下2022-06-06
这篇文章主要给大家介绍了关于python实现棋盘覆盖问题及可视化的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-03-03
最新评论