excel行变列引用,excel引用一列到一行函数

　　在工作中处理Excel表格经常会遇到问题。编辑Excel表格时，发现表格中列数过多，行数过少。为了便于打印，您可能需要转换表格的行和列。也许是为了进一步的统计分析，目前的格式不太方便，这个时候也会用到行列转换。

　　下面这个十字Excel表是很常见的格式，方便填写和查看：

　　但是如果要做进一步的统计分析，这种格式不方便，需要将行和列转换成如下格式的详细列表：

　　显然人工操作会很麻烦。如果数据量小，也是可以的。如果数据量很大，就要花很多时间，这是灾难。

　　我们以此为例来说明几种常见的解决方案。

　　解决方案一：Excel透视表Excel可以通过透视表支持行列转换功能，效果如下：

　　显然，这不是我们想要的格式。Excel数据透视表可以满足简单格式的行列转换，但如果格式稍复杂，转换效果往往不尽如人意。

　　2.编程语言是通过写程序来解决的，思路很简单：

　　加载excel文件，并加载所需的工作表。

　　读取“账套名称”这一行，转换成字符串数组。

　　读取“帐户代码”列，并将其转换为字符串数组。

　　按“账户代码”分组，用“账套名称”数组构造一个表。

　　根据“账套名称”对应的数据，遍历所有明细值，填入对应的表格中。

　　这样，就可以构建相应的时间表。

　　如果用Java实现，估计代码量不会少于200行。如果需要将结果输出到excel文件中，开发工作量会更多。虽然Excel本身提供了VBA，谁知道麻烦程度，别提了。其他语言呢？传说python有处理行列转换的功能(熊猫包有pivot功能)，代码量会比java少很多。让我们来试试：

　　import pandas as PD import numpy as NP df=PD . read _ excel( d:excel pandas . xlsx ，0，3)cols=df . columns . Values . to list()# Get header information #删除前两列，只保留cols . Remove( account code )cols . Remove( account details )#构造一个列表. frames=[]for cols:df1=df . pivot _ table(index=[ account code ， account details]，Values=[col]) df1.renameframes.append(df1) # concat将同一字段的表首尾相连Result=PD . concat(frames)Result . rename(columns={ 3:帐套名称 }，In=true) Result。To _ Excel (D: Excel pandas _ n.xlsx ，sheet _ name= account details )很好用，真的很简洁！这是Python生成的一个excel文件：

　　但是，有一个小问题。这个excel格式有点特殊。如果你想使用Python的pivot，我们必须将“帐户代码”和“帐户详细信息”移动到与转换列标题相同的行，它将看起来像下面这样。否则，您必须特别注意代码。反正只有一句台词。手工做就行了，比写代码方便多了。

　　无论如何，python处理这个细节的小“瑕疵”并不影响它的便利性。Python真的名不虚传。虽然它使用了循环，但整个代码看起来只有10行。

　　能简单点吗？

　　嘿，嘿，太好了！

　　3.计算器的编程。让我们看看计算器的代码：

　　代码非常简单。让我们列出每一步的中间结果：

　　A1:加载excel文件工作表1，提取指定范围(3行到40行)的数据，其中选项@ t表示第一行的标题。加载数据并生成如下表格：

　　A2:删除非数据行

　　A3:更改列名

　　A4:将第三列的列名连接成一个字符串，并用“，”分隔

　　A5: Pivot函数转换行列数据，将A4中对应的列数据放入“值”列。

　　A6:将排序后的数据保存为xlsx文件。

　　编译器脚本只有六行，所以不存在循环和判断这种东西，也不像Python那样需要先手动转身，让这个看似“乱七八糟”的数据表得到处理。相比之下，Python使用“N”字的列优先转换进行多次循环，而计算器使用行优先的一次性处理。在数据处理上，计算器在细节处理和使用习惯上更专业。而且计算器的开发环境很容易调试，可以看到每个操作步骤的中间结果，方便挑出错误，让开发更方便。在这个常规的数据处理任务中，计算器优于Python。

　　优点：关于这个问题，关于python和计算器的区别，我来说说我自己的经验：

　　1.多列转换。对于需要多列行列转换并聚合成“长”列的场景，python需要将每个数据列构造成一个数组，添加一列记录当前列名，然后追加到一个大列表中。最后合并，去掉标题；在合并的非第一个数组中；

　　计算器更容易。它只是将需要转换的列聚集在一起。与笨重的python相比，计算器至少可以节省几个脑细胞。

　　2.名称更改python无法更改需要转换的列的名称，比如cols[0]=天津。这时候python找不到修改前的关键词“哪个朋友挖的坑，别以为我找不到”。欺负大叔的视力，能不能给我破例？

　　但是对于相应的计算器就很方便了，比如A1.rename(_1:账户代码，_2:账户明细，4%:成都)。

　　3.Title Null问题Python读取excel中转换行的标题时，前两列为空(对应原excel中的“账户编码，账户明细”)，此时标题列中的Null值已经没有了。这个“坑”有点隐蔽。真的没找到，还丢了两个，有点尴尬；

　　但如果计算器能识别出来，就会自动加上相应的标记_1和_2，这样在处理数据时，就能找到对应的两列。

　　4.网格格式编程计算器使用网格A1格式，自动关联所在位置的对象，非常方便，感觉很有特色；Python只能望洋兴叹。