◆ ◆ ◆ ◆ ◆
前言
数据的行转列操作，在实际工作过程中应用非常广泛。
由于不同人员、不同部门对数据结构的认识是不大相同的，尤其是从基层人员手里拿到的数据，更是五花八门，横七竖八。
比如有这样一张成绩表：
乍一看，好像没毛病啊！！
然鹅鹅鹅，当需求：=简单计算一下每个人的总分吧！来临的时候。我脑海中不禁浮想起了：
安排
# 遇事不要慌，先导个包吧 import pandas as pd import numpy as np # 造假数据 data = {'name':['严小样儿','严小样儿','严小样儿','才华横竖都溢','才华横竖都溢','才华横竖都溢','幽兰幽香','幽兰幽香','幽兰幽香'], 'subject':['Python','C','SQL','Python','C','SQL','Python','C','SQL'], 'score':[95,60,95,96,95,80,99,94,88]} # 生成df df = pd.DataFrame(data) df使用pivot方法即可完成行转列哦~语法如下：
#df.pivot(index=None, columns=None, values=None) df.pivot(index='name',columns='subject',values='score')不要高兴的太早，遇到重复值就麻烦了！少侠请看：
# 造含有重复值的假数据 data1 = {'name':['严小样儿','严小样儿','严小样儿','严小样儿','才华横竖都溢','才华横竖都溢','才华横竖都溢','幽兰幽香','幽兰幽香','幽兰幽香'], 'subject':['Python','Python','C','SQL','Python','C','SQL','Python','C','SQL'], 'score':[95,95,60,95,96,95,80,99,94,88]} df1 = pd.DataFrame(data1) df1 df1.pivot(index='name',columns='subject',values='score') # 一旦有重复值，就会报错。 ValueError: Index contains duplicate entries, cannot reshape别急别急，去个重不就可以了吗？！
df1.drop_duplicates().pivot(index='name',columns='subject',values='score')方法二：数据透视表
# pivot_table(data, values=None, index=None, columns=None, aggfunc='mean') pd.pivot_table(df1,index='name',columns='subject',values='score',aggfunc={'score':'max'})聚合
刚刚说了，要求每个人的总分，其实使用透视表就可以完成。
不过，稍微动动脑筋哦。遇到重复值数据的话，只能使用下面的方法一，去重后的数据集，方法一，二都支持。
计算每个人的总分，语法如下：
# 重复数据集也可以 df_pivot = pd.pivot_table(df1,index='name',columns='subject',values='score',aggfunc={'score':'max'}) # 增加一个新列：Total df_pivot['Total'] = df_pivot.apply(lambda x:np.sum(x),axis = 1) df_pivot方法二，必须是去重后的数据集，否则会出现计算错误。
# 使用去重数据集才可以 pd.pivot_table(df,index='name',values='score',aggfunc='sum') # 使用join方法把总分列加进去。 total = pd.pivot_table(df,index='name',values='score',aggfunc='sum') pd.pivot_table(df,index='name',columns='subject',values='score').join(total)--需求方：算是算出来了，可是，这个score看着怪怪的，能不能改成“总分”呢？
--严小样儿：我改（卑微）！安排~
total1 = pd.pivot_table(df,index='name',values='score',aggfunc='sum').rename({'score':'总分'},axis=1) pd.pivot_table(df,index='name',columns='subject',values='score').join(total1)行转列，就这样讲完了，大家赶快动手实践一下吧。那么，如何列转行呢？！
下
期
见
!
往期精彩回顾 适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑 AI基础下载机器学习的数学基础专辑