其他分享
首页 > 其他分享> > 昨晚试试 数据行转列,差点翻了车

昨晚试试 数据行转列,差点翻了车

作者:互联网

昨晚遇到一道数据行转列问题,差点翻了车,跟大家分享一下。

图片

先跟大家讲一下,常见的行转列一般是这种形式:

图片

通常用来考察“如何用SQL、或者Python实现?”

昨天群里有个朋友问了一道类似的题,我张嘴就来。

图片

结果拿来测试表一看,翻车了啊!这并不是常见的那种行转列啊!

图片

相当于分组筛选,然后横向拼接到一起?这思路也不对啊

不过既然是行转列,就先用df.pivot()莽一莽吧。df.pivot()可以将长数据集转换成宽数据集,对于改变DataFrame 的结构往往使用它或者数据透视表。

df.pivot(index=None, columns=None,values=None)

df.pivot()就三个参数,其中index、values非必填,产生的缺省值,会用NaN填充。

参数说明
index(可选项)将现有的 column values 设置为新 DataFrame 的 index;没有设置index时,则使用现有的index作为新的 DataFrame 的index[1]
columns将现有的 column values 设置为新 DataFrame 的 columns
values(可选项)将现有的 column values 设置为新 DataFrame 的 values;没有设置values时,则将其他的 column values 全部作为新DataFrame 的 values

先导入测试表

df = pd.read_excel('测试.xlsx',header=0,encoding='utf-8').astype(str)

图片

再看一下想要达到的成果

图片

所以需要设置 columns='小组',values='姓名',不过这里 values 设置与否意义不大,因为一共两列,省略设置values的话,姓名自然会成为新DataFrame 的 values。

图片

看到充满了NaN,第一时间想到了dropna(),问题是每一行/列都有NaN,一删就删没了。

图片

所以最后采用了df.apply的形式,将每列数据作为Series的数据结构单独删去NaN,这样就不会影响其他列了。

df.pivot(columns='小组').apply(lambda x: pd.Series(x.dropna().values))

图片图片

一行Python成功解决!

图片

本文相关源码+测试数据集下载:

https://alltodata.cowtransfer.com/s/3855bebc4f254a


标签:index,差点,试试,column,DataFrame,转列,values,df,pivot
来源: https://blog.51cto.com/u_15127540/2698976