作者：朱小五
来源：凹凸数据
大家好，我是小五
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。
先跟大家讲一下，常见的行转列一般是这种形式：
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。
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！
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)
再看一下想要达到的成果
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。
- 依据：没有设置values时，则将其他的 column values 全部作为新DataFrame 的 values
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。
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))
一行Python成功解决！
本文相关源码+测试数据集下载：
https://alltodata.cowtransfer.com/s/3855bebc4f254a
参考资料
[1]
Pandas_规整数据_转换数据_pivot(): https://blog.csdn.net/mingkoukou/article/details/82852275
本文纯属抛砖引玉，如果有更好的方法快在评论区告诉我吧！
不知道大家对正常版本的行转列感兴趣不？点个**在看**众筹文章吧
翻车也要送福利
安利一本📕：《Python数据分析全流程实操指南》此本书主要围绕整个数据分析方法论的标准流程，为读者重点展示了Python在数据获取、数据处理、数据探索、数据分析及数据可视化等领域的应用技术。点击下图可看详情/购买！👇
本文转转自微信公众号凹凸数据原创https://mp.weixin.qq.com/s/ZgbWfBrOb6oO9pzGjbBm6A，可扫描二维码进行关注：
如有侵权，请联系删除。
