由于不同人员、不同部门对数据结构的认识是不大相同的，尤其是从基层人员手里拿到的数据，更是五花八门，横七竖八。
乍一看，好像没毛病啊！！
然鹅鹅鹅，当需求：=简单计算一下每个人的总分吧！来临的时候。我脑海中不禁浮想起了：
# 遇事不要慌，先导个包吧import pandas as pdimport numpy as np
# 造假数据data = {'name':['严小样儿','严小样儿','严小样儿','才华横竖都溢','才华横竖都溢','才华横竖都溢','幽兰幽香','幽兰幽香','幽兰幽香'],
'subject':['Python','C','SQL','Python','C','SQL','Python','C','SQL'], 'score':[95,60,95,96,95,80,99,94,88]}
# 生成dfdf = pd.DataFrame(data)df
#df.pivot(index=None, columns=None, values=None)df.pivot(index='name',columns='subject',values='score')
不要高兴的太早，遇到重复值就麻烦了！少侠请看：
# 造含有重复值的假数据data1 = {'name':['严小样儿','严小样儿','严小样儿','严小样儿','才华横竖都溢','才华横竖都溢','才华横竖都溢','幽兰幽香','幽兰幽香','幽兰幽香'], 'subject':['Python','Python','C','SQL','Python','C','SQL','Python','C','SQL'], 'score':[95,95,60,95,96,95,80,99,94,88]}
df1 = pd.DataFrame(data1)df1
df1.pivot(index='name',columns='subject',values='score')
# 一旦有重复值，就会报错。ValueError: Index contains duplicate entries, cannot reshape
别急别急，去个重不就可以了吗？！
df1.drop_duplicates().pivot(index='name',columns='subject',values='score')
方法二：数据透视表
# pivot_table(data, values=None, index=None, columns=None, aggfunc='mean')pd.pivot_table(df1,index='name',columns='subject',values
='score',aggfunc={'score':'max'})
刚刚说了，要求每个人的总分，其实使用透视表就可以完成。不过，稍微动动脑筋哦。遇到重复值数据的话，只能使用下面的方法一，去重后的数据集，方法一，二都支持。# 重复数据集也可以df_pivot = pd.pivot_table(df1,index='name',columns='subject',values='score',aggfunc={'score':'max'})# 增加一个新列：Totaldf_pivot['Total'] = df_pivot.apply(lambda x:np.sum(x),axis = 1)df_pivot
方法二，必须是去重后的数据集，否则会出现计算错误。# 使用去重数据集才可以pd.pivot_table(df,index='name',values='score',aggfunc='sum')
# 使用join方法把总分列加进去。total = pd.pivot_table(df,index='name',values='score',aggfunc='sum')pd.pivot_table(df,index='name',columns='subject',values='score').join(total)
--需求方：算是算出来了，可是，这个score看着怪怪的，能不能改成“总分”呢？total1 = pd.pivot_table(df,index='name',values='score',aggfunc='sum').rename({'score':'总分'},axis=1)pd.pivot_table(df,index='name',columns='subject',values='score').join(total1)
行转列，就这样讲完了，大家赶快动手实践一下吧。那么，如何列转行呢？！
