技术求助：如何将列转换为行？附转换后目标格式

嘿，看起来你需要把列转成行（宽表转换），刚好你给出的目标格式非常清晰——把1-12月作为表头字段，planqty和actqty各占一行对应数值。我分两种常用场景给你具体方案：

场景1：用Excel实现（可视化操作） #

步骤说明 #

首先假设你的原始数据结构是这样的（只有有数值的月份记录，其他月份缺失）：

• 第一步：补全所有月份（可选，如果原始数据已经有1-12月可以跳过）
  在空白区域生成1到12的月份列表，用VLOOKUP或者XLOOKUP把对应月份的planqty和actqty匹配过来，缺失的填0。
• 第二步：用Power Query转换格式（推荐，操作更灵活）
  1. 选中整理好的全月份数据区域，点击「数据」选项卡 → 「从表格/区域」，确认表头存在后加载到Power Query编辑器。
  2. 选中planqty和actqty两列，点击「转换」选项卡 → 「逆透视列」→ 「逆透视其他列」，此时数据会变成month、「属性」（对应planqty/actqty）、「值」三列。
  3. 选中month列，点击「转换」→ 「透视列」，在弹出的窗口中，「值列」选择「值」，「高级选项」选择「不要聚合」（因为每个月份+属性组合只有一个值），点击确定。
  4. 最后点击「关闭并上载」，就能得到你要的目标格式了。
• 备选：用数据透视表快速生成
  1. 同样补全1-12月数据后，选中数据区域插入数据透视表。
  2. 把「属性」（先通过逆透视或者手动整理成行）拖到「行」区域，month拖到「列」区域，「值」拖到「值」区域，设置值汇总方式为「求和」。
  3. 调整透视表的布局，就能得到和目标一致的行式结构。

场景2：用Python Pandas实现（编程方式） #

如果是用代码处理数据，Pandas可以非常高效地完成这个转换。下面是完整的代码示例：

代码实现 #

import pandas as pd

# 1. 模拟你的原始数据（如果已有全月份数据可跳过补全步骤）
raw_df = pd.DataFrame({
    'month': [3],
    'planqty': [6230],
    'actqty': [2631]
})

# 2. 补全1-12月的所有月份，缺失的数值填0
all_months = pd.DataFrame({'month': range(1, 13)})
full_df = pd.merge(all_months, raw_df, on='month', how='left').fillna(0)

# 3. 转换为目标格式：先逆透视，再透视月份为列
melted_df = full_df.melt(id_vars='month', var_name='type', value_name='qty')
result_df = melted_df.pivot(index='type', columns='month', values='qty').reset_index()

# 去掉列名的索引标签，让格式更贴合需求
result_df.columns.name = None

# 查看结果
print(result_df)

运行结果 #

执行后会输出完全符合你需求的格式：

type    1    2     3    4    5    6    7    8    9   10   11   12
0   actqty  0.0  0.0  2631  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0
1  planqty  0.0  0.0  6230  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0

如果你的原始数据已经包含所有12个月，直接跳过补全月份的步骤即可。

内容的提问来源于stack exchange，提问作者Kevin Lan