鉴于一直以来，总有人在群里面或者私下问，Python行转列、列转行的问题。
基于此，我这里写一篇较全的文章，分享给大家。
为了给大家更加细致的讲述本文，我这里给大家造一些详细的数据。本文看完即学会，黄同学保证的。
首先我们看一下“列转行”的问题。这里我们利用pandas构造了这样一份数据。
df = pd.DataFrame({
"语文"
:[
2
,
4
],
"数学"
:[
6
,
8
]})
df.index = [
"张三"
,
"李四"
]
结果如下：
从表中可以看到：语文、数学都在列上面，我们如何将这些列转为行呢？这里有两种方式：
① stack方法
df1 = df.stack.reset_index
df1.columns = [
"姓名"
,
"科目"
,
"成绩"
]
结果如下：
② melt方法
由于这个函数参数多一些，我这里给大家先讲一下语法。
id_vars：列转行，不变的那一列；
value_vars：列转行，需要变动的那些列的列名；
var_name：列转为行后，新表的列名；
value_name：列转为行后，新表的值那一列的列明；
首先，我们再看看原来的数据长啥样。
接着，我们进行reset_index操作后，再看看数据长啥样。
我们就是要利用这个数据，完成最终的操作。
df2 = df2.melt(id_vars=
'index'
,value_vars=[
'语文'
,
'数学'
],var_name=
"科目"
,value_name=
"成绩"
)
df2.rename(columns={
"index"
:
"姓名"
},inplace=
True
)
结果如下：
“行专列”这个需求，大家应该都见过。因为我们只要是用过数据透视表的同学，应该都知道这个需求。
我们在为大家构造一份数据，接着看。
df = pd.DataFrame({
"姓名"
:[
"张三"
,
"李四"
,
"张三"
,
"李四"
],
"科目"
:[
"语文"
,
"语文"
,
"数学"
,
"数学"
],
"成绩"
:[
2
,
4
,
6
,
8
]})
结果如下：
在pandas中，我们使用pivot_table函数，来完成“行转列”的需求。在写代码之前，我先为大家讲解一下这个函数。
pd.pivot_table(data,index=
None
,columns=
None
,
values=
None
,aggfunc=
'mean'
,
margins=
False
,margins_name=
'All'
,
dropna=
True
,fill_value=
None
)
data：相当于Excel中的"选中数据源"；
index：相当于上述"数据透视表字段"中的行；
columns：相当于上述"数据透视表字段"中的列；
values：相当于上述"数据透视表字段"中的值；
aggfunc：相当于上述"结果"中的计算类型；
margins：相当于上述"结果"中的总计；
margins_name：相当于修改"总计"名，为其它名称；
对应到Excel中，大致如下图：
知道基础后，那么如何完成本文的需求呢？
df1 = pd.pivot_table(df,index =
'姓名'
,columns=
'科目'
,values=
'成绩'
)
# ------------------------------
df1.columns.name =
None
df1.index.name =
None
结果如下：
今天的内容大致就到这里，你学会了吗？如果还是有点模糊，可能还是函数参数太多导致的，大家下去仔细研究一下函数，即可！
配套视频演示
返回搜狐，查看更多
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
