Python 如何处理合并的单元格并将行转换为列?
我在excel文件中有这样的数据: 我想格式化数据的结构: 我想要像这样的东西 您可以推荐哪些方法?在Excel中:Python 如何处理合并的单元格并将行转换为列?,python,pandas,dataframe,Python,Pandas,Dataframe,我在excel文件中有这样的数据: 我想格式化数据的结构: 我想要像这样的东西 您可以推荐哪些方法?在Excel中: 手动取消合并合并单元格 复制范围 粘贴特殊转置 嗯,你可以试试这样的东西。没有实际的数据来测试它,我无法确认。这也许是一个坚实的起点 df = pd.read_excel(open('NAMEOFFILE.xlsx', 'rb') df = df.transpose() df.to_excel('NAMEOFFILE.xlsx', sheet_name='Transp
嗯,你可以试试这样的东西。没有实际的数据来测试它,我无法确认。这也许是一个坚实的起点
df = pd.read_excel(open('NAMEOFFILE.xlsx', 'rb')
df = df.transpose()
df.to_excel('NAMEOFFILE.xlsx', sheet_name='Transposed')
如果您只需要在excel中快速执行此操作:高亮显示所有数据,复制数据,然后右键单击将数据粘贴到您希望粘贴的位置,然后单击“粘贴特殊”,最后单击“转置”
df.T在数据帧中将行转换为列
region=['Qtr1','Qtr2','Qtr3','Qtr4']
europe=[21704714,17987034,19485029,22567894]
asia=[8774099,12214447,14356879,15763492]
north_america=[12094215,10873099,15689543,17456723]
df=pd.DataFrame({'Region':region,'Europe':europe,'Asia':asia,'North America':north_america})
types = pd.Series(data=['str', 'int', 'int', 'int'], index=['Region', 'Europe', 'Asia', 'North America'])
types = types.apply(eval)
df.reset_index()
df = df.astype(dtype=types.to_dict())
df=df.T
print(df.head())
使用
xls=pd.read_excel(url,sheet_name=None)要将数据检索到数据框中您可以从提供输入表(而不是屏幕截图)开始,以便其他人可以方便地帮助您。查看指南有一个简单的答案-永远不要使用合并单元格
region=['Qtr1','Qtr2','Qtr3','Qtr4']
europe=[21704714,17987034,19485029,22567894]
asia=[8774099,12214447,14356879,15763492]
north_america=[12094215,10873099,15689543,17456723]
df=pd.DataFrame({'Region':region,'Europe':europe,'Asia':asia,'North America':north_america})
types = pd.Series(data=['str', 'int', 'int', 'int'], index=['Region', 'Europe', 'Asia', 'North America'])
types = types.apply(eval)
df.reset_index()
df = df.astype(dtype=types.to_dict())
df=df.T
print(df.head())