幾行代碼輕松玩轉 Excel 行列轉換

下面這種交叉式的 Excel 表是很常見的格式，用來填寫和查看都比較方便：

但是，如果想做進一步的統計分析，這種格式就不方便了，需要行列轉換，變成如下格式的明細表：

顯然，手工操作會非常麻煩，若數據量小還可以，數據量大了會耗費大量時間，簡直就是災難。

Excel 也可以通過數據透視表支持行列轉換功能，效果如下圖：

但這并不是我們想要的格式。

看來只能寫個程序來解決了，思路也很簡單：

• 加載 excel 文件，裝載需要的 sheet 工作表。
• 讀取賬套名所在的行，將其轉換成字符串數組。
• 讀取科目編碼所在列，將其轉換成字符串數組。
• 按科目編碼分組，與賬套名數組構造一張表。
• 根據賬套名對應的數據，遍歷所有的明細值填充到相應的表中。
• 這樣就構造出對應的明細表來。

如果用 Java 來實現，初步估計代碼量也不會少于 200 行，若需要結果輸出成 excel 文件則開發工作量會更多。Excel 自己雖然提供了 VBA，但那個麻煩度誰用誰知道，不提也罷。其它的語言呢？傳說 python 有處理行列轉換的功能(pandas 包里有 pivot 功能)，代碼量相對于 java 會少很多， 我們來試一下：

import pandas as pd

import numpy as np

df = pd.read_excel(“D:excelpandas.xlsx”, 0, 3)

cols = df.columns.values.tolist() #獲取數據頭信息

#移去前兩列，只保留需要行列轉換的列

cols.remove(‘科目編碼’)

cols.remove(‘科目明細’)

#構造一個 list.

frames=[]

for col in cols:

df1 = df.pivot_table(index = [‘科目編碼’,’科目明細’], values = [col])

df1.rename(columns={col: ‘數值’}, inplace=True)

df1[3]=col

#轉換后的數據追加到 frames 中.

frames.append(df1)

# concat 將相同字段的表首尾相接

result=pd.concat(frames)

result.rename(columns={3: ‘帳套名’}, inplace=True)

result.to_excel(‘D:excelpandas_n.xlsx’, sheet_name=’科目明細’)

嗯，還不錯，果然比較簡潔！這是 Python 生成的 excel 文件：

不過，這里有點小問題，這個 excel 格式有點特殊，想用 Python 的 pivot，我們要將“科目編碼”，“科目明細”移到與轉換列標題所在同一行上，變成下面的樣子。否則在代碼上就得特殊 “照顧”，反正只有一行，手工做一下就算了，比寫代碼省事。

無論如何，python 的這個細節處理的小”瑕疵”并不影響其方便性。python 確實名不虛傳，雖然使用了循環，但整個代碼也就只有 10 來行的樣子。

還能更簡單嗎？

嘿嘿，能！

我們來看集算器的代碼：

代碼很簡單，我們把每一步的中間結果列出來看看：

A1：加載 excel 文件工作表 1，提取指定范圍的數據 (從 3 行到 40 行)，其中選項 @ t 表示首行為標題，載入數據, 生成表格如下：

A2：刪除非數據行

A3：更換列名稱

A4：把從第三列開始的列名稱連成字符串，用“,”分開

A5：pivot 函數將行列數據進行轉換，把 A4 中對應的列數據置放到“數值”列

A6：將整理好的數據另存儲為 xls 文件

集算器腳本只 6 行，而且木有啥循環、判斷之類的玩意兒，也不像 Python 那樣要先手工倒騰一下，就把這看似有點“亂”的數據表格處理好了。相比之下，Python 采用列優先轉換多次循環 “N”字方式，集算器則用行優先一次性處理，在處理數據上，集算器對細節處理及使用習慣更專業。而且集算器的開發環境也容易調試，可以看到每一步運算的中間結果，方便挑出錯誤，開發更為便捷。在這種常規數據處理的任務中，集算器要比 Python 更為優越。

就這個問題，關于 python 與集算器的差異，再說說自己的一點體會：

1. 多列轉換：

對于需要多列行列轉換并匯集成“長”列的場景時，python 需要將每個數據列構造成數組，并增加一列記錄當前列名，再追加到一個大的列表中，最后合并，合并中去掉非首個數組中的 title；

集算器就容易些，它直接把想要轉換的列匯集在一塊就行。相對于 python 的繁瑣，集算器至少能省幾個腦細胞。

2. 名稱更改：

python 對于需要轉換列的名稱不能更改, 如 cols[0]=’天津’，此時 python 找不到修改前的關鍵字，“哪個朋友挖的坑，別以為我發現不了”，欺負大爺眼花，給報個異常行不？

但對應的集算器來說則很方便, 如：>A1.rename(_1: 科目編碼,_2: 科目明細,4 成都: 成都)

3. 標題空值問題：

Python 讀取 excel 表中的轉換行標題時，前面兩列為空 (對應原來的 excel 中的“科目編碼，科目明細”)，此時標題 cols 中的空值就沒有了, 這個“坑”有點隱蔽啊，我真沒有發現, 把其中的兩列弄丟了，真有點丟臉 ;

但集算器能識別出來，會自動加上對應的標識 _1、_2，這樣處理數據時，就能找到其中對應的兩列。

4. 網格式編程

集算器使用網格 A1 這種格式，它自動與所在位置的對象關聯起來，這點非常方便, 感覺很有特色；Python 就只能望洋興嘆了。

總結

以上是生活随笔為你收集整理的oracle行列转换关联union的方式_几行代码轻松玩转 Excel 行列转换的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。