大家好。最近看到一群朋友在讨论一个宽表变长表的问题。其实这种需求在我们日常的数据中也很常见。加工。结合群友们的智慧，今天就来看看excel和python是如何实现这个需求的吧！内容：Excel反向透视技巧Pandas反向透视技巧一、Excel反向透视技巧Excel需要使用PowerQuery进行反向透视操作。第一步：选择数据，然后点击菜单栏-数据-来自表/区域选择数据-来自表。第二步：创建表格时，根据实际情况选择是否包含标题（本例不包含）创建表格。第三步1：点击上面的确认按钮后，会出现PowerQuery编辑器PowerQuery编辑器第四步：根据控件，选择所有需要操作的列（或者shift连续选择列），然后去toconversion-clickthereversepivotcolumnreversepivotcolumn第五步：就可以看到我们需要的结果了。逆向透视的结果。第六步：点击左上角的文件，选择关闭，上传上传的数据。第七步：我们发现在原来的表格中出现了表1的标签，而且是我们预期的反向透视结果，大功告成！（删除不相关的列属性即可）最终结果数据2.Pandas逆向透视技术我们要做的是透视的逆向操作，即反向透视。自然地，pandas也提供了非常方便的函数方法，让我们一起来看看吧。隆重推荐熔体函数方法：df.melt(id_vars=None,value_vars=None,var_name=None,value_name='value',col_level:'Level|None'=None,ignore_index:'bool'=True,)->'DataFrame'Docstring：将DataFrame从宽格式转为长格式，可选择保留标识符set.id_vars：元组、列表或ndarray（可选），用作标识符变量的列value_vars：元组、列表或ndarray，可选，以转置列。如果未指定，则所有未设置为id_varsvar_name:scalar的列都将用作“变量”列的名称。如果没有，则使用frame.columns.name或“变量”value_name：标量，默认“值”，“值”列的名称col_level：int或str，可选，如果列是MultiIndex，则使用这个我不会举例如果关卡熔化了，就用案例数据入手吧！importpandasaspd#读取数据df=pd.read_excel(r'0927testdata.xlsx',header=None)df数据预览#直接反透视(df.melt(id_vars=df.columns[:2],#标识变量的列value_vars=df.columns[2:],#注释掉同样的结果ignore_index=True,#忽略索引).sort_values(by=[0,1])#sort.dropna()#删除空值OK）结果是不是很方便？可以直接用一个函数来完成。感谢小组成员1px的想法。这种解法，笔者之前和朋友打过交道，但是看到这道题的时候，居然用了另一种更复杂的解法，真是搞笑。我们也来看看这个比较麻烦的解决方案：核心是explodecolumndata=df.iloc[:,:2].copy()数据初始化data#auxiliarycolumn用于存储存储信息列表data['auxiliarycolumn']=list(df.loc[:,2:].values)dataauxiliarycolumnstoreinformationlist#爆列补全要求data.explode(column='auxiliarycolumn').dropna()爆列补全要求以上是本次的全部内容围绕宽表转长表的操作展开，也就是反向透视。其实excel和pandas都提供了非常简单直接的处理方式。熟悉操作后，自然能高效解决问题。不过，我们也可以通过其他的思路来锻炼我们的逻辑思维能力，或许可以加强我们处理复杂问题的能力！
