一、数据处理需求

      对Excel或CSV格式的数据，我们经常都是使用pandas库读取后转为DataFrame进行处理。有的时候我们需要对其中的数据进行行列转换，但是不是简单的行列转换，因为数据中有重复的数据属性。比如我们的数据在Excel中的格式如下：

    那么，我们如何将上面的数据格式转为将A列的数据作为行，B列的数据转为行数据格式呢。也就要到达以下效果：

二、实现思路

        要处理的数据中同一个名称的数据有多个，比如A的值有两个，B的值也有两个等，但是最后列转为行之后，A只能出现一次，其两个值作为两行数据，那么：

  1、需要使用groupby对第一列数据进行分组，使得A、B、C、D不重复出现，且每个属性的值都聚集到一起，放在一个数组中

 2、然后将行列进行翻转，使得A、B、C、D作为列列索引

 3、然后将A、B、C、D分别对应的数据数组拆分出来，通过一些方法分解为多行，从而到达目标

三、代码实现

       1、读取文件中的数据，并重命名列的名称，因为文件中没有列名

import pandas as pd df = pd.read_excel('text.xls',header=None,index_col=None,dtype=str)#重命名列名
df.columns =["name","value"]

  2、对于数据进行分组，使得同一个属性对应的值形成一对多的关系      

df = df.groupby(["name"]).agg(list).reset_index()

3、 对数组形式的列表拆分为字符便于后面继续拆分

df['value']= df['value'].apply(lambda x:','.join(x))

4、 将行列翻转

#将行列翻转
df = df.T

  5、将A、B、C、D作为列索引

#设置第一行为列索引
df.columns = df.iloc[0]
#第一行已作为索引列，删除这一行
df.drop(['name'],inplace=True)

6、将value列的多个值扩展为多个列

df=df.loc['value'].str.split(',',expand=True)

  7、将列索引0 1转变成行索引:这里也就是把一行的两列转为两行两列了，从而由一行变多行

df=df.stack()

  8、将name列由列变为行

df=df.unstack(0)

 其中0表示第一层，也可以修改为“name”表示name列

    9、目标达成，最后写回文件中

df.to_excel('test.xls',index=False)

 四、pandas行列转换

        上面的示例中，其实就是用到了pandas中行列转换的知识。

      1、df.T对数据进行转置相信大家都用到过，可以实现简单的行列翻转

       2、stack可以将数据的列“旋转”为行

       3、unstack相当于stack的逆方法，将数据的行“旋转”为列

     stack和unstack方法要注意的是可以设置一个level参数，用于指定翻转的层级是哪一个，不同的值翻转效果不一样。具体可以参考这位博主的介绍：

        【Python】pandas轴旋转stack和unstack用法详解_dataframe stack_Asher117的博客-CSDN博客