【Python自动化】python解决表格整理

工作的具体内容是需要把一个二维表格转成一维表格。将问题简化抽象，大致是这么个意思（数据为示例）：

原表格

图片

新表格

图片

这问题简单啊，强大的pandas库一定可以搞定！于是我简单网上搜索了一下，就找到函数和参考样例了。而且仅用三行代码就搞定了，惊得朋友直呼python好家伙！

下面给大家详细介绍一下整个过程。

1.正确读取表格

首先按照传统的方式读表格：

import pandas as pd
data1 = pd.read_excel('高中生数量.xlsx')
data1

图片

发现索引列没有被识别，产生了Unnamed: 0列，所以我们应该把第一列设置为索引列，代码如下：

import pandas as pd
data1 = pd.read_excel('高中生数量.xlsx',index_col=0)  #index_col用来设置索引列
data1

图片

这样就正常读取并识别表格了

2.重置索引

这一步主要是将索引列重置，变为普通列，便于下步，代码如下

data2=data1.reset_index()
data2

图片

可以发现，之前的索引列变成‘index’列了

3.将列名转换为列数据

这一步是整个工作的关键步骤，主要用到pandas的melt函数。melt是逆转操作函数，可以将列名转换为列数据(columns name → column values)，重构DataFrame，用法如下：

pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)

参数解释：

frame:要处理的数据集；id_vars:不需要被转换的列名；value_vars:需要转换的列名，如果剩下的列全部都要转换，就不用写了；var_name和value_name是自定义设置对应的列名；col_level :如果列是MultiIndex，则使用此级别。

我们把'index'列保留，并把转换后的列命名为'year',value命名为'stu_num':

data3=data2.melt(id_vars='index', var_name='year',value_name='stu_num')
data3

图片

4.把第一列设置为索引列

为了防止保存后的表格带有数字索引，需要把第一列设置为索引列：

data4=data3.set_index('index')
data4

图片

5.保存表格

data4.to_excel('转换后表格.xlsx')

大功告成，上述代码可以用1行代码搞定：

data=data.reset_index().melt('index', var_name='col').set_index('index')