pandas数据处理，行列转换

Python
目录

概述

用Python实现之前文章中用SQL实现的转换，交叉表转为长宽表。

数据准备

import pandas as pd
df = pd.read_csv(r'D:\CategoryConfig.csv')

df

Category Level A B C D
0 Online 1 234 345 644 987
1 Online 2 213 456 543 657
2 Online 3 321 323 456 657
3 Offline 1 455 246 756 432
4 Offline 2 435 678 984 345
5 Offline 3 567 325 343 456

方法一，先列转行（UnPivot），拼接后再行转列（Pivot）

# melt方法列转行，然后拼接新列
df_melt = df.melt(id_vars = ['Category','Level'],value_vars=['A','B','C','D'],var_name='Type')
df_melt['xType'] = df_melt['Type'] + '-' + df_melt['Level'].astype(str)

df_melt.head()

Category Level Type value xType
0 Online 1 A 234 A-1
1 Online 2 A 213 A-2
2 Online 3 A 321 A-3
3 Offline 1 A 455 A-1
4 Offline 2 A 435 A-2 
# 数据透视
df_result = pd.pivot_table(df_melt[['Category','xType','value']],
                           index='Category',
                           columns='xType',
                           values = 'value',
                           aggfunc='max')
df_result.reset_index(inplace=True)

df_result

xType Category A-1 A-2 A-3 B-1 B-2 B-3 C-1 C-2 C-3 D-1 D-2 D-3
0 Offline 455 435 567 246 678 325 756 984 343 432 345 456
1 Online 234 213 321 345 456 323 644 543 456 987 657 657

方法二，先透视，再重命名列名

df_result = pd.pivot_table(df,index='Category',columns='Level')

df_result

A B C D
Level 1 2 3 1 2 3 1 2 3 1 2 3
Category
Offline 455 435 567 246 678 325 756 984 343 432 345 456
Online 234 213 321 345 456 323 644 543 456 987 657 657

如上所示，列名为双层索引结构，下一步将其压平为一层结构

df_result.columns = ['-'.join(map(str,c)) for c in df_result.columns]
df_result.reset_index(inplace=True)

df_result

Category A-1 A-2 A-3 B-1 B-2 B-3 C-1 C-2 C-3 D-1 D-2 D-3
0 Offline 455 435 567 246 678 325 756 984 343 432 345 456
1 Online 234 213 321 345 456 323 644 543 456 987 657 657