var_values:需要被转换的列名，如果剩下的列名都需要被转换，则可以忽略不写；
var_name和value_name对应转换的自定义列名
https://pandas.pydata.org/pandas-docs/version/0.19.0/generated/pandas.melt.html
import pandas as pd
df =pd.read_excel(r'D:\zr.xlsx')
dts = pd.melt(df,id_vars=['城市','年月'],var_name='指标',value_name='值')
print(dts)
#再使用pivot_table()函数将长表转换成宽表
data = dts.pivot_table(index=['城市','指标'],columns=['年月']).reset_index()
print(data)
#其中中间图为打印结果，但是从结果看列名称为双层索引，当保存成excel格式时结果为右边结果
#打印看一下列名称格式
print(data.columns)
#获取列的各层级索引
cols1 = list(data.columns.get_level_values(0))
print(cols1)
cols2= list(data.columns_get_level_values(1))
print(cols2)
cols = cols1[:2]+cols2[2:]
print(cols) #列名称
#重命名列名
data.columns = cols
print(data)
MultiIndex()中获取层级信息 get_level_values();删除层级droplevel()两个的参数传入所在层级
对于结果排序问题，将城市按照，北京，上海，太原，苏州 进行排序
cols_orig=['北京','上海','太原','苏州']
data['城市']=data['城市'].astype('category').cat.reorder_categories(cols_orig, ordered=True)
data = data.sort_values('城市')
print(data)
https://www.jianshu.com/p/2d3dd3e30d51
2、多列合并成一行
import pandas as pd
df = pd.DataFrame({'id_part':['a','b','c','d'], 'pred':[0.1,0.2,0.3,0.4], 'pred_class':['women','man','cat','dog'], 'v_id':['d1','d2','d3','d1']})
print(df)
dt = df.groupby(['v_id']).agg({'pred_class': [', '.join],'pred': lambda x: list(x),'id_part': 'first'}).reset_index()
print(dt)
1.pivot_table() 实现三维数据行列转换，将左边数据格式转换成右边显示格式首先将宽表变成长表，用pd.melt()其中主要参数有id_vars:不需要被转换的列名var_values:需要被转换的列名，如果剩下的列名都需要被转换，则可以忽略不写；var_name和value_name对应转换的自定义列名https://pandas.pydata.org/pandas-docs/version/0.19.0/generated/pandas.melt.htmlim
一、stack & unstackunstack 将一维表转换为二维表stack 将二维表转换为一维表
二、pivot & meltpivot 将一维表转换为二维表melt将二维表转换为一维表
用pandas处理数据，我们经常获取...
Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。
Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。
Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。
第一步 调出数据透视表导向功能
一般在Excel里，这个功能是不在【功能区】的，所以，需要主动调取。
打开【文件】→【选项】功能，点击【自定义功能区】，在左侧【从下列位置选择命令】的下拉选项中，选择【不在功能区中的命令】，然后找到【数据透视表和数据透视图向导】；
在右侧的【主选项卡】→【插入】选项卡下，选择【新建组】，把【数据透视表和数...
stack函数：pandas.DataFrame.stack(self, level=-1, dropna=True)
通过?pandas.DataFrame.stack命令查看帮助文档
Signature: pandas.DataFrame.stack(self, level=-1, dropna=True)
Docstring:
Pivot a level of t
