Excel中如何对Unpivoted已逆透视数据执行Pivot透视操作

方案1：Excel 界面操作（适合非代码场景） #

• 选中所有原始数据区域
• 点击顶部菜单栏「插入」选项卡，选择「数据透视表」
• 配置数据透视表字段：
  • 将不需要透视的前置列全部拖入「行」区域
  • 将需要作为新列名的字段（即逆透视时生成的属性/名称列）拖入「列」区域
  • 将需要填充的数值字段拖入「值」区域，值汇总方式根据数据特性选「求和/最大值/最小值」即可（如果每组对应唯一值，任意汇总方式结果一致）
• 可选操作：右键生成的透视表选择「转换为普通区域」，可取消透视表联动属性，转为普通可编辑表格

方案2：Power Query 操作（适合需要批量重复执行的场景） #

• 选中数据后点击「数据」选项卡下的「从表格/范围」，将数据导入Power Query编辑器
• 选中所有不需要参与透视的列，右键点击「透视其他列」；或者直接选中要作为新列名的字段列，点击顶部「转换」选项卡下的「透视列」
• 在弹出的配置框中，「值列」选择要填充的数值字段，聚合函数根据需求选「不要聚合/求和」，确认后导出数据即可

方案3：Python Pandas 代码实现 #

核心调用pivot或pivot_table方法即可完成转换，示例代码如下：

import pandas as pd
# 读取本地数据，替换为你自己的文件路径
df = pd.read_excel("你的数据文件路径.xlsx")

# 无重复分组的场景用pivot方法
pivot_df = df.pivot(
    index=["列1", "列2", "列3"], # 替换为你实际不需要透视的前置列名
    columns="需转为新列名的字段名",
    values="需填充的数值字段名"
).reset_index()

# 存在重复分组需要聚合的场景用pivot_table
# pivot_df = df.pivot_table(
#     index=["列1", "列2", "列3"],
#     columns="需转为新列名的字段名",
#     values="需填充的数值字段名",
#     aggfunc="sum" # 可替换为你需要的聚合规则，比如'mean'、'max'
# ).reset_index()

# 导出转换后的结果
pivot_df.to_excel("转换后的数据.xlsx", index=False)

内容的提问来源于stack exchange，提问作者user16978245