电子表格首行年份转列生成tidy规范结构化数据集的方法咨询

原始数据集样例如下（行维度为车型，列维度为年份，单元格值为对应产量）：

Excel 操作方案 #

直接使用Power Query的逆透视功能完成转换，步骤如下：

• 选中全表数据区域，点击顶部菜单栏「数据」-「从表格/范围」，将数据导入Power Query编辑器
• 在编辑器内选中「车型名称」列，右键点击「逆透视其他列」
• 将生成的「属性」列重命名为年份，「值」列重命名为产量
• 点击左上角「关闭并上载」，即可将转换后的规范数据导出到Excel工作表

Python 实现方案（基于Pandas库） #

使用melt方法完成宽表转长表操作，示例代码如下：

import pandas as pd

# 读取源数据，可根据文件格式替换为read_csv等方法
df = pd.read_excel("你的源数据文件路径.xlsx")

# 执行逆透视转换
tidy_df = df.melt(
    id_vars = "车型名称",  # 指定保持不变的列
    var_name = "年份",    # 原表头年份字段转换后的新列名
    value_name = "产量"   # 原单元格产量值转换后的新列名
)

# 导出转换完成的Tidy数据
tidy_df.to_excel("整理后的数据.xlsx", index=False)

R 实现方案（基于tidyverse生态） #

使用pivot_longer函数完成转换，示例代码如下：

library(readxl)
library(tidyr)
library(dplyr)

# 读取源数据
df <- read_excel("你的源数据文件路径.xlsx")

# 执行长表转换
tidy_df <- df %>% 
  pivot_longer(
    cols = !`车型名称`, # 除车型名称外的所有列都参与转换
    names_to = "年份",
    values_to = "产量"
  )

# 导出结果
writexl::write_xlsx(tidy_df, "整理后的数据.xlsx")

内容的提问来源于stack exchange，提问作者Brick