python行变列的函数 python行列转换

python行转换成列怎么实现？

可以使用Python字符串内置的替换方法把分隔符“，”替换成‘\r\n’ 换行符即可(Linux、MacOS下换行符为："\n")：

Python代码实现

iPython下演示

相关问答

Q1: Python变形

1.长宽表python行变列的函数的变形

什么是长表?什么是宽表?这个概念是对于某一个特征而言python行变列的函数的。例如:一个表中把性别存储在某一个列中python行变列的函数， 那么它就是关于性别的长表;如果把性别作为列名，列中的元素是某一其python行变列的函数他的相关特征数值，那么这个表是 关于性别的宽表。

1.1 pivot

pivot 是一种典型的长表变宽表的函数。对于一个基本的长变宽的操作而言，最重要的有三个要素，分别是变形后的行索引、需要转到列索引的列， 以及这些列和行索引对应的数值，它们分别对应了 pivot 方法中的 index, columns, values 参数。新生成表的 列索引是 columns 对应列的 unique 值，而新表的行索引是 index 对应列的 unique 值，而 values 对应了想 要展示的数值列。

利用 pivot 进行变形操作需要满足唯一性的要求，即由于在新表中的行列索引对应了唯一的 value ，因此原 表中的 index 和 columns 对应两个列的行组合必须唯一。例如，现在把原表中第二行张三的数学改为语文就 会报错，这是由于 Name 与 Subject 的组合中两次出现 (”San Zhang”, ”Chinese”) ，从而最后不能够确定到 底变形后应该是填写 80 分还是 75 分。

pandas 从 1.1.0 开始，pivot 相关的三个参数允许被设置为列表，这也意味着会返回多级索引。这里构造一 个相应的例子来说明如何使用:下表中六列分别为班级、姓名、测试类型(期中考试和期末考试)、科目、成 绩、排名。

根据唯一性原则，新表的行索引等价于对 index 中的多列使用 drop_duplicates ，而列索引的长度为 values 中的元素个数乘以 columns 的唯一组合数量(与 index 类似)。

1.2 pivot_table

pivot 的使用依赖于唯一性条件，那如果不满足唯一性条件，那么必须通过聚合操作使得相同行列组合对应 的多个值变为一个值。例如，张三和李四都参加了两次语文考试和数学考试，按照学院规定，最后的成绩是 两次考试分数的平均值，此时就无法通过 pivot 函数来完成。

1.3 melt

长宽表只是数据呈现方式的差异，但其包含的信息量是等价的，前面提到了利用 pivot 把长表转为宽表，那 么就可以通过相应的逆操作把宽表转为长表，melt 函数就起到了这样的作用。

1.4 wide_to_long

melt 方法中，在列索引中被压缩的一组值对应的列元素只能代表同一层次的含义，即 values_name 。现在 如果列中包含了交叉类别，比如期中期末的类别和语文数学的类别，那么想要把 values_name 对应的 Grade 扩充为两列分别对应语文分数和数学分数，只把期中期末的信息压缩，这种需求下就要使用 wide_to_long 函数来完成。

2 索引的变形

2.1 stack 与 unstack

unstack 函数的作用是把行索引转为列索引

unstack 的主要参数是移动的层号，默认转化最内层，移动到列索引的最内层，同时支持同时转化多个层

类似于 pivot 中的唯一性要求，在 unstack 中必须保证 被转为列索引的行索引层和 被保留的行索引层构成 的组合是唯一的，例如把前两个列索引改成相同的破坏唯一性，那么就会报错

与 unstack 相反，stack 的作用就是把列索引的层压入行索引，其用法完全类似。

2.2 聚合与变形的关系

在上面介绍的所有函数中，除了带有聚合效果的 pivot_table 以外，所有的函数在变形前后并不会带来 values 个数的改变，只是这些值在呈现的形式上发生了变化。在上一章讨论的分组聚合操作，由于生成了新的行列 索引，因此必然也属于某种特殊的变形操作，但由于聚合之后把原来的多个值变为了一个值，因此 values 的 个数产生了变化，这也是分组聚合与变形函数的最大区别。

3 其他变形函数

3.1 crosstab

crosstab 并不是一个值得推荐使用的函数，因为它能实现的所有功能 pivot_table 都能完成，并且速度更快。 在默认状态下，crosstab 可以统计元素组合出现的频数，即 count 操作。例如统计 learn_pandas 数据集中 学校和转系情况对应的频数

3.2 explode

explode 参数能够对某一列的元素进行纵向的展开，被展开的单元格必须存储 list, tuple, Series, np.ndarray 中的一种类型。

3.3 get_dummies

get_dummies 是用于特征构建的重要函数之一，其作用是把类别特征转为指示变量。例如，对年级一列转为 指示变量，属于某一个年级的对应列标记为 1，否则为 0

Q2: 在python中如何使输出的东西从一航行变换为一列

代码示例:

"""

在python中如何使输出python行变列的函数的东西从一航行变换为一列

"""

list_data = [1, 2, 3, 4, 5, 6]

# 一行输出

for v in list_data:

    print(v, end='')

# 一列输出

for v in list_data:

    print(v)

输出

1234561

2

3

4

5

6

输出截图

Q3: python循环控制函数matrix，使得他可以将输入的列表转化为一个行列数自定的矩阵

1、程序运行输入数据时，第一行为A矩阵的行列数和B矩阵的行列数，接着分别输入A、B两个矩阵的值。

2、首先，定义6个整型变量，保存A、B矩阵的行和列，以及控制循环的变量，k则用于实现矩阵的乘法。

3、接着，定义三个整型二维数组，保存A、B和C矩阵的各元素。

4、输入三个矩阵的行数和列数，保存在变量a、b、c中。

5、输入矩阵A的各元素，保存在数组X中。

6、输入矩阵B的各元素，保存在数组Y中。

7、将二维数组Z的各元素，初始化为0。

8、用两层for循环，控制矩阵的乘法，并输出乘法所得的结果。

9、计算A矩阵和B矩阵的乘法，结果保存在数组Z中。

10、最后，输出乘法所得的结果，即输出Z数组中的所有元素。

11、运行程序，输入矩阵A和B的行数和列数，以及A矩阵和B矩阵的所有元素，电脑就会计算出乘积C矩阵的所有元素，并输出C矩阵。

关于python行变列的函数和python行列转换的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。