大家好
最近看到群友们在讨论一个宽表变长表的问题，其实这类需求也很常见于我们日常的数据处理中。综合群友们的智慧，今天我们就来看看 excel与 python如何实现这个需求吧！
目录：
- excel逆透视技巧
- Pandas逆透视技巧
; 1. excel逆透视技巧
excel做逆透视操作是需要用到Power Query。
第一步： 选中数据，然后在 菜单栏–数据– 点击 来自表格/区域
选中数据-来自表格
第二步：创建表的时候，根据实际情况选中是否包含标题（本例不包含）
创建表
第三步： 点击上述 确认按钮后会出现 Power Query 编辑器
Power Query编辑器
第四步：按照 control， 选中全部需要操作的列（或者shift连续取列），再到 转换– 点击 逆透视列
逆透视列
第五步：可以看到出现了我们需要的结果
逆透视结果
第六步： 点击左上角 文件，选中 关闭并上载
上载数据
第七步：我们发现，在原始表出现了 表1的页签，里面正是我们期望的 逆透视结果，搞定！（删掉无关列属性即可）
最终结果数据
- Pandas逆透视技巧
我们要做的是透视的逆向操作，也就是 逆透视， pandas自然也提供了非常方便的函数方法，让我们来一起看看吧。
隆重推荐 melt函数方法：
df.melt(
id_vars=None,
value_vars=None,
var_name=None,
value_name='value',
col_level: 'Level | None' = None,
ignore_index: 'bool' = True,
) -> 'DataFrame'
Docstring:
Unpivot a DataFrame from wide to long format, optionally leaving identifiers set.
id_vars：tuple，list或ndarray（可选），用作标识变量的列value_vars：tuple，列表或ndarray，可选，要取消透视的列。如果未指定，则使用未设置为id_vars的所有列var_name：scalar，用于”变量”列的名称。如果为None，则使用frame.columns.name或”variable”value_name：scalar，默认为” value”，用于” value”列的名称col_level：int或str，可选，如果列是MultiIndex，则使用此级别来融化
就不举例了，直接拿案例数据开搞！
import pandas as pd
读取数据
df = pd.read_excel(r'0927测试数据.xlsx', header=None)
df
数据预览
直接逆透视
(
df.melt(id_vars=df.columns[:2], # 标识变量的列
value_vars=df.columns[2:], # 注释掉结果一样
ignore_index=True, # 忽略索引
)
.sort_values(by=[0,1]) # 排序
.dropna() # 删除含空值的行
)
结果
是不是很方便，直接一个函数即可搞定，感谢 群成员 1px 提供的思路。
这种解决方案，笔者在之前给朋友处理过，不过看到这题的时候我居然用的是另外一种更复杂的解决方法，简直秀逗了。
我们也看看这种更麻烦的解决方案吧：
核心是explode爆炸列
data = df.iloc[:,:2].copy()
data
初始化data
辅助列用于存储店信息列表
data['辅助列'] = list(df.loc[:,2:].values)
data
辅助列存储店信息列表
爆炸列完成需求
data.explode(column='辅助列').dropna()
爆炸列完成需求
以上就是本次的全部内容，围绕着关于宽表转长表，也就是 逆透视的操作。其实 excel和 pandas都提供了很简单直接的处理方法，大家熟悉操作后自然就能轻车熟路，高效解决问题啦。
不过，我们也可以通过其他一些思路来锻炼自己的逻辑思维能力，也许能更强化自己对复杂问题的应对水平哦！
Original: https://blog.csdn.net/m0_58475805/article/details/122379321
Author: 码农进阶
Title: 对比excel，用python实现逆透视操作（宽表变长表）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/741712/
转载文章受原作者版权保护。转载请注明原作者出处！