在进行数据分析时，我们经常需要把DataFrame的一列拆成多列或者根据某列把一行拆成多行，这篇文章主要讲解这两个目标的实现。
码字不易，喜欢请点赞！！！
-
读取数据
-
将City列转成多列（以‘|’为分隔符）
这里使用匿名函数lambda来讲City列拆成两列。
3.将DataFrame一行拆成多行（以‘|’为分隔符）
方法一：在刚刚得到的DataFrame基础上操作,如下图所以，可以明显看到我们按照City列将DataFrame拆成了多行。主要是先将DataFrame拆成多列，然后拆成多个DataFrame再使用concat组合。但是这种方法碰到City列切割不均匀的时候可能会麻烦一点，因此，这个时候你可以使用万能方法二。
方法二：这个方法的主要思想是，首先将DataFrame中需要拆分的列进行拆分，再使用stack（）进行轴变换，然后通过index来join即可，如下所示。
首先，将刚刚的df还原成原始形式：
接下来取出其City列，并切分成多列之后轴转换，之后重新设置索引，并且重命名为Company
最后删除df里面的Country列，并将DataFrame-df1 使用join到df里面得到最后的结果。
想要做成的结果如下图（也就是统计每个id下各个page_no出现的次数）
实现的思路是先对page_no这
一列
进行one-hot编码，将
一列
变为
多列
，然后再用cishu列与之相乘，最后进行groupby之后加和，就得到了最终结果。
代码如下：
df = pd.get_dummies(TestA_beh[‘page_no’])
TestA_beh = pd.concat([TestA_beh,df],axis=1)
col_page = [‘AAO’, ‘BWA’, ‘BWE’, ‘CQA’, ‘CQB’,
以下是在MySQL中通过SQL语句实现Excel中数据透视表/交叉表/二维表的功能。原理不作赘述，具体示例与代码如下：
1. 数据源预览
SELECT * FROM pivot_table;
2. 数据透视表
SELECT
year AS "年份",
SUM(CASE WHEN department = "蔬菜" THEN sale END) AS "蔬菜",
SUM(CASE WHEN department = "水果" THEN sale END) AS "水果",
import
pandas
as pd
df = pd.
DataFrame
([{'var1': 'a,b,c', 'var2': 1},
{'var1': 'd,e', 'var2': 2}])
df1 = pd.concat...
在使用
dataframe
时，我们常常需要依据应用场景，需要将原来一条record拆分为
多行
（字段数增加1个，record增加），或者在一个record中根据已有字段拆分为
多列
（仍是1个record，字段数增加）这里还有另外一个问题，如果我们原始数据并没规律的以@分割的固定格式字段，或者原始数据中并没有事先准备好的array格式的字段，如何生成呢？这里个functions.explode和hive中的explode作用类似，可参考。中的explode使用。udf的使用，可以参见。......
