pandas 列转行

在pandas中，可以使用melt函数来实现列转行的操作。melt函数的主要参数包括frame、id_vars、value_vars、var_name、value_name、ignore_index和col_level。\[2\]其中，frame参数指定要进行操作的数据框，id_vars参数指定要保留的列，value_vars参数指定要转换的列，var_name参数指定转换后的列名，value_name参数指定转换后的值的列名，ignore_index参数指定是否重置索引，col_level参数指定列的层级。\[2\]

下面是一个示例，假设我们有一个数据框tmp，其中包含姓名、科目和分数三列。我们可以使用set_index函数将姓名和科目作为索引，然后使用unstack函数将科目列转换为列名，最后使用reset_index函数重置索引，即可实现列转行的操作。具体代码如下：\[3\]

df = tmp.set_index(\['姓名','科目'\])\['分数'\].unstack()
df.columns.name = None
df = df.reset_index()

另外，还可以使用pivot函数来实现列转行的操作。具体代码如下：\[3\]

df = tmp.pivot(index='姓名',columns='科目',values='分数').rename_axis(columns=None).reset_index()

以上是两种常用的方法，你可以根据具体的需求选择适合的方法进行列转行的操作。
#### 引用[.reference_title]
- *1* [python pandas数据处理excel、csv列转行、行转列（具体示例）](https://blog.csdn.net/c1007857613/article/details/130148765)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [pandas行列转换的4大技巧](https://blog.csdn.net/qq_25443541/article/details/121961253)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [pandas如何进行优雅的列转行、行转列？](https://blog.csdn.net/qq_41780234/article/details/121622495)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]