pandas数据处理，行列转换

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