利用Python的pandas数据处理包将宽表变成窄表

当我们需要对数据进行分析和建模时，数据的格式往往会影响到分析和建模的效率。宽表与窄表是数据格式的两种常见形式，宽表适合呈现各种指标的横向比较，而窄表适合呈现各种指标的纵向比较。在实际工作中可能会遇到需要将数据由宽表变成窄表的情况，这时候，我们可以使用Python的pandas数据处理包来处理数据。

下面是将宽表转换成窄表的完整攻略：

1. 数据采集与准备

首先需要采集和准备好需要进行处理的数据。常见的数据格式之一是宽表。

下面是一个宽表的示例：

年份	城市	房租	交通费	医疗费
2020	北京	3000	2000	1000
2020	上海	2500	1800	800
2020	广州	2000	1500	600
2019	北京	2800	1800	900
2019	上海	2300	1500	700
2019	广州	1800	1200	500

2. 利用pandas进行数据转换

2.1 宽表转换成纵表

可以使用 pandas.melt() 方法进行宽表转换成纵表，转换后的结果如下：

import pandas as pd

df = pd.read_excel("data.xlsx", sheet_name="Sheet1")

df_melted = pd.melt(df, id_vars=["年份", "城市"], var_name="指标", value_name="数值")

print(df_melted)

输出结果如下：

年份	城市	指标	数值
2020	北京	房租	3000
2020	上海	房租	2500
2020	广州	房租	2000
2019	北京	房租	2800
2019	上海	房租	2300
2019	广州	房租	1800
2020	北京	交通费	2000
2020	上海	交通费	1800
2020	广州	交通费	1500
2019	北京	交通费	1800
2019	上海	交通费	1500
2019	广州	交通费	1200
2020	北京	医疗费	1000
2020	上海	医疗费	800
2020	广州	医疗费	600
2019	北京	医疗费	900
2019	上海	医疗费	700
2019	广州	医疗费	500

2.2 窄表转换成宽表

可以使用 pandas.pivot() 方法进行窄表转换成宽表，转换后的结果如下：

df_pivot = df_melted.pivot(index=["年份", "城市"], columns="指标", values="数值")

print(df_pivot)

输出结果如下：

指标	交通费	医疗费	房租
年份	城市
2019	北京	1800	900
	广州	1200	500
	上海	1500	700
2020	北京	2000	1000
	广州	1500	600
	上海	1800	800

本文以pandas为例，简单介绍了如何将宽表转换成窄表和如何将窄表转换成宽表，这在实际工作中常用到。