早下班系列：輕松玩轉Excel行列轉換
下面這種交叉式的Excel表是很常見的格式，用來填寫和查看都比較方便：
但是，如果想做進一步的統計分析，這種格式就不方便了，需要行列轉換，變成如下格式的明細表：
顯然，手工操作會非常麻煩，若數據量小還可以，數據量大了會耗費大量時間，簡直就是災難。
Excel也可以通過數據透視表支持行列轉換功能，效果如下圖：
但這并不是我們想要的格式。
看來只能寫個程序來解決了，思路也很簡單：
- 加載excel文件，裝載需要的sheet工作表。
- 讀取賬套名所在的行，將其轉換成字符串數組。
- 讀取科目編碼所在列，將其轉換成字符串數組。
- 按科目編碼分組，與賬套名數組構造一張表。
- 根據賬套名對應的數據，遍歷所有的明細值填充到相應的表中。
- 這樣就構造出對應的明細表來。
如果用Java來實現，初步估計代碼量也不會少于200行，若需要結果輸出成excel文件則開發工作量會更多。Excel自己雖然提供了VBA，但那個麻煩度誰用誰知道，不提也罷。其它的語言呢？傳說python有處理行列轉換的功能（pandas包里有pivot功能），代碼量相對于java會少很多， 我們來試一下：
- import pandas as pd
- import numpy as np
- df = pd.read_excel(“D:\\excel\\pandas.xlsx”, 0, 3)
- cols = df.columns.values.tolist() #獲取數據頭信息
- #移去前兩列，只保留需要行列轉換的列
- cols.remove(‘科目編碼’)
- cols.remove(‘科目明細’)
- #構造一個list.
- frames=[]
- for col in cols:
- df1 = df.pivot_table(index = [‘科目編碼’,’科目明細’], values = [col])
- df1.rename(columns={col: ‘數值’}, inplace=True)
- df1[3]=col
- #轉換后的數據追加到frames中.
- frames.append(df1)
- # concat將相同字段的表首尾相接
- result=pd.concat(frames)
- result.rename(columns={3: ‘帳套名’}, inplace=True)
- result.to_excel(‘D:\\excel\\pandas_n.xlsx’, sheet_name=’科目明細’)
嗯，還不錯，果然比較簡潔！這是Python生成的excel文件：
不過，這里有點小問題，這個excel格式有點特殊，想用Python的 pivot，我們要將“科目編碼”，“科目明細”移到與轉換列標題所在同一行上，變成下面的樣子。否則在代碼上就得特殊 “照顧”，反正只有一行，手工做一下就算了，比寫代碼省事。
無論如何，python的這個細節處理的小”瑕疵”并不影響其方便性。python確實名不虛傳，雖然使用了循環，但整個代碼也就只有10來行的樣子。
還能更簡單嗎？
嘿嘿，能！
我們來看集算器的代碼：
| A | B | |
| 1 | =file(“D:/excel/明細.xlsx”).importxls@t(;1,3:40) | //讀入excel文件 |
| 2 | >A1.delete(A1.select(_1==”科目編碼”)) | //清除首列為”科目編碼”所在的行 |
| 3 | >A1.rename(_1:科目編碼,_2:科目明細) | //更換列1名稱為科目編碼，列2名稱為科目明細 |
| 4 | =A1.fname().to(3,).concat(“,”) | //將從第三列的列名連成字符串，用,分開 |
| 5 | =A1.pivot@r(科目編碼,科目明細;賬套名,數值;${A4}) | //用pivot函數進行行列轉換 |
| 6 | =file(“D:/excel/明細2.xlsx”).exportxls@t(A5;”科目明細”) | //將整理好的數據另存儲為xlsx文件 |
代碼很簡單，我們把每一步的中間結果列出來看看：
A1：加載excel文件工作表1，提取指定范圍的數據(從3行到40行)，其中選項@ t表示首行為標題，載入數據,生成表格如下：
A2：刪除非數據行
A3：更換列名稱
A4：把從第三列開始的列名稱連成字符串，用“,”分開
A5：pivot函數將行列數據進行轉換，把A4中對應的列數據置放到“數值”列
A6：將整理好的數據另存儲為xls文件
集算器腳本只6行，而且木有啥循環、判斷之類的玩意兒，也不像Python那樣要先手工倒騰一下，就把這看似有點“亂”的數據表格處理好了。相比之下，Python采用列優先轉換多次循環 “N”字方式，集算器則用行優先一次性處理，在處理數據上，集算器對細節處理及使用習慣更專業。而且集算器的開發環境也容易調試，可以看到每一步運算的中間結果，方便挑出錯誤，開發更為便捷。在這種常規數據處理的任務中，集算器要比Python更為優越。
就這個問題，關于 python與集算器的差異，再說說自己的一點體會：
1.多列轉換：
對于需要多列行列轉換并匯集成“長”列的場景時，python需要將每個數據列構造成數組，并增加一列記錄當前列名，再追加到一個大的列表中，***合并，合并中去掉非***數組中的title；
集算器就容易些，它直接把想要轉換的列匯集在一塊就行。相對于python的繁瑣，集算器至少能省幾個腦細胞。
2.名稱更改：
python對于需要轉換列的名稱不能更改,如cols[0]=’天津’，此時python找不到修改前的關鍵字，“哪個朋友挖的坑，別以為我發現不了”，欺負大爺眼花，給報個異常行不？
但對應的集算器來說則很方便,如：>A1.rename(_1:科目編碼,_2:科目明細,4成都: 成都)
3.標題空值問題：
Python讀取excel表中的轉換行標題時，前面兩列為空(對應原來的excel中的“科目編碼，科目明細”)，此時標題cols中的空值就沒有了,這個“坑”有點隱蔽啊，我真沒有發現,把其中的兩列弄丟了，真有點丟臉 ;
但集算器能識別出來，會自動加上對應的標識_1、_2，這樣處理數據時，就能找到其中對應的兩列。
4.網格式編程
集算器使用網格A1這種格式，它自動與所在位置的對象關聯起來，這點非常方便,感覺很有特色；Python就只能望洋興嘆了。
