Excel表列排序：JSON导出数据如何将相同日期值归入对应列完成转换

以下两种方案均可实现需求，可根据数据量和使用习惯选择：

方案1：Excel内置Power Query实现（无代码，适合<10万行的小数据量） #

• 选中整张数据区域，点击「数据」选项卡 → 「从表格/范围」，导入Power Query编辑器，确认第一列User为文本类型，其他列保留原有格式。
• 选中「User」列，右键选择「逆透视其他列」，把所有列组的内容转成长表结构，此时会自动生成「属性」（原列名）、「值」两列。
• 提取列组标识和字段类型：添加自定义列，若原列名带有序号后缀（如date_0、property1_0），可通过Text.BeforeDelimiter([属性], "_")提取字段类型（date/property1/property2/property3），通过Text.AfterDelimiter([属性], "_")提取列组序号。如果原列名没有序号标识，可直接按列的位置生成序号：第2-5列为组0，第6-9列为组1，以此类推即可。
• 筛选掉「值」列为空的行，按列组序号分组，把每个序号对应的date值关联到同组的所有property行上。
• 提取所有不重复的date值，统一转成日期格式后按时间先后排序，为每个date生成3个对应property字段名，格式参考[date值]_property1。
• 选中「字段类型+date值」组合列做透视，值选择原「值」列，聚合方式选「不要聚合」，空值会自动留空，最终生成按date排序的宽表结构。
• 点击「关闭并上载」即可把转换完成的表格导回Excel。

方案2：Python pandas实现（适合大数据量、需要重复处理的场景） #

提前安装依赖：pip install pandas openpyxl

import pandas as pd
from collections import defaultdict

# 1. 读取源Excel文件，替换为你自己的文件路径
df = pd.read_excel("源数据文件.xlsx")
user_col_name = "User"

# 2. 遍历提取所有用户、日期和对应属性
user_date_props = defaultdict(dict)
all_unique_dates = set()

for _, row in df.iterrows():
    current_user = row[user_col_name]
    # 跳过第一列User，每4列为一个组遍历
    for group_start_idx in range(1, len(df.columns), 4):
        date_val = row.iloc[group_start_idx]
        if pd.isna(date_val):
            continue
        # 统一转成标准日期格式，避免排序出错
        formatted_date = pd.to_datetime(date_val).strftime("%Y-%m-%d")
        all_unique_dates.add(formatted_date)
        # 读取当前date对应的三个property值
        p1 = row.iloc[group_start_idx+1]
        p2 = row.iloc[group_start_idx+2]
        p3 = row.iloc[group_start_idx+3]
        # 存入用户对应date的属性字典
        user_date_props[current_user][f"{formatted_date}_p1"] = p1 if not pd.isna(p1) else ""
        user_date_props[current_user][f"{formatted_date}_p2"] = p2 if not pd.isna(p2) else ""
        user_date_props[current_user][f"{formatted_date}_p3"] = p3 if not pd.isna(p3) else ""

# 3. 生成按日期排序的新表头
sorted_dates = sorted(all_unique_dates, key=lambda x: pd.to_datetime(x))
new_header = [user_col_name]
for d in sorted_dates:
    new_header.extend([d, f"{d}_property1", f"{d}_property2", f"{d}_property3"])

# 4. 构建结果表格
result_rows = []
for user, props in user_date_props.items():
    current_row = [user]
    for d in sorted_dates:
        current_row.append(d)
        current_row.append(props.get(f"{d}_p1", ""))
        current_row.append(props.get(f"{d}_p2", ""))
        current_row.append(props.get(f"{d}_p3", ""))
    result_rows.append(current_row)

result_df = pd.DataFrame(result_rows, columns=new_header)

# 5. 导出结果，替换为你想要的输出路径
result_df.to_excel("转换后结果.xlsx", index=False)

如果你的实际表格列组步长不是4，可自行调整range(1, len(df.columns), 4)中的步长和取值偏移量。

内容的提问来源于stack exchange，提问作者Data_Science_110