（掌握这个，基本就完美无缺的任意按照自己的想法，更改列了。）
背景：
最近有个excel 数据需要转化的过程。 数据量还挺大的，大概有30多万。 需要把某些行变成列，有些列又变成行。 这个操作本身就比较烦躁。
更何况数据量达到了几十万的情况下， excel 基本就卡死了。
1 把城市合为一列
2 将空气类型type 分开为成为列
先贴样本：
扫描二维码关注公众号，回复：
8062408 查看本文章
转化后的结果：
苦恼了很久。
实践：
melt 函数讲解,
frame, -- 需要处理的数据集
id_vars=None, -- 不需要改变的列
value_vars=None,--需要转换的列名，如果剩下的列全部都要转换，就不用写了
var_name=None, --设置对应的维度名
value_name="value", -- 设置对应的度量值名
col_level=None, -- 不知道
first_data_2 = self.pd.melt(deal_data, id_vars=['date', 'hour', 'type'], value_vars=city_data, var_name='city', value_name='count_clue').fillna(0)
在这里， deal_data 是需要处理数据集， id_vars 不变的列， date ， hour， type ， 需要转化的列 数组city_data [] , 理论上应该是不用填，下面全部转化。
对应的维度名：city ， 对应合起来的度量值。count_clue。
这样就把列都合起来了 。
结果展示
然后我们用piovt 函数，把它列 type 同样列 转变成行。
first_data_3 = self.pd.DataFrame( self.pd.pivot_table(first_data_2, index=['date', 'hour', 'city', ], columns='type', values='count_clue'))
piovt_table ,我懂的太少了。都是照抄的
贴个链接， 以我的理解， index 是需要的列，然后columns 就是要展开的列， value 是要展开的值，就这样。