前言

數(shù)據(jù)的行轉(zhuǎn)列操作，在實際工作過程中應(yīng)用非常廣泛。

由于不同人員、不同部門對數(shù)據(jù)結(jié)構(gòu)的認識是不大相同的，尤其是從基層人員手里拿到的數(shù)據(jù)，更是五花八門，橫七豎八。

比如有這樣一張成績表：

乍一看，好像沒毛病啊！！

然鵝鵝鵝，當需求：=簡單計算一下每個人的總分吧！來臨的時候。我腦海中不禁浮想起了：

安排

# 遇事不要慌，先導(dǎo)個包吧 import pandas as pd import numpy as np#?造假數(shù)據(jù) data = {'name':['嚴小樣兒','嚴小樣兒','嚴小樣兒','才華橫豎都溢','才華橫豎都溢','才華橫豎都溢','幽蘭幽香','幽蘭幽香','幽蘭幽香'],'subject':['Python','C','SQL','Python','C','SQL','Python','C','SQL'],'score':[95,60,95,96,95,80,99,94,88]}# 生成df df = pd.DataFrame(data) df

使用pivot方法即可完成行轉(zhuǎn)列哦~語法如下：

#df.pivot(index=None, columns=None, values=None) df.pivot(index='name',columns='subject',values='score')

不要高興的太早，遇到重復(fù)值就麻煩了！少俠請看：

#?造含有重復(fù)值的假數(shù)據(jù) data1 = {'name':['嚴小樣兒','嚴小樣兒','嚴小樣兒','嚴小樣兒','才華橫豎都溢','才華橫豎都溢','才華橫豎都溢','幽蘭幽香','幽蘭幽香','幽蘭幽香'],'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')#?一旦有重復(fù)值，就會報錯。 ValueError: Index contains duplicate entries, cannot reshape

別急別急，去個重不就可以了嗎？！

df1.drop_duplicates().pivot(index='name',columns='subject',values='score')

方法二：數(shù)據(jù)透視表

# 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

剛剛說了，要求每個人的總分，其實使用透視表就可以完成。

不過，稍微動動腦筋哦。遇到重復(fù)值數(shù)據(jù)的話，只能使用下面的方法一，去重后的數(shù)據(jù)集，方法一，二都支持。

計算每個人的總分，語法如下：

# 重復(fù)數(shù)據(jù)集也可以 df_pivot = pd.pivot_table(df1,index='name',columns='subject',values='score',aggfunc={'score':'max'}) #?增加一個新列：Total df_pivot['Total'] = df_pivot.apply(lambda x:np.sum(x),axis = 1) df_pivot

方法二，必須是去重后的數(shù)據(jù)集，否則會出現(xiàn)計算錯誤。

# 使用去重數(shù)據(jù)集才可以 pd.pivot_table(df,index='name',values='score',aggfunc='sum')

# 使用join方法把總分列加進去。 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：算是算出來了，可是，這個score看著怪怪的，能不能改成“總分”呢？

--嚴小樣兒：我改（卑微）！安排~

total1 = pd.pivot_table(df,index='name',values='score',aggfunc='sum').rename({'score':'總分'},axis=1) pd.pivot_table(df,index='name',columns='subject',values='score').join(total1)

行轉(zhuǎn)列，就這樣講完了，大家趕快動手實踐一下吧。那么，如何列轉(zhuǎn)行呢？！

下

期

見

!

各位伙伴們好，詹帥本帥假期搭建了一個個人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請移步小程序體驗一下哦！（歡迎提建議）

推薦閱讀

牛逼！Python常用數(shù)據(jù)類型的基本操作（長文系列第①篇）

牛逼！Python的判斷、循環(huán)和各種表達式（長文系列第②篇）

牛逼！Python函數(shù)和文件操作（長文系列第③篇）

牛逼！Python錯誤、異常和模塊（長文系列第④篇）

總結(jié)

以上是生活随笔為你收集整理的Python实现行转列？！超简单，赶快get起来的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。