下面這種交叉式的Excel表是很常見的格式，用來填寫和查看都比較方便：

但是，如果想做進一步的統(tǒng)計分析，這種格式就不方便了，需要行列轉(zhuǎn)換，變成如下格式的明細表：

顯然，手工操作會非常麻煩，若數(shù)據(jù)量小還可以，數(shù)據(jù)量大了會耗費大量時間，簡直就是災難。

Excel也可以通過數(shù)據(jù)透視表支持行列轉(zhuǎn)換功能，效果如下圖：

但這并不是我們想要的格式。

看來只能寫個程序來解決了，思路也很簡單：

1. 加載excel文件，裝載需要的sheet工作表。
2. 讀取賬套名所在的行，將其轉(zhuǎn)換成字符串數(shù)組。
3. 讀取科目編碼所在列，將其轉(zhuǎn)換成字符串數(shù)組。
4. 按科目編碼分組，與賬套名數(shù)組構造一張表。
5. 根據(jù)賬套名對應的數(shù)據(jù)，遍歷所有的明細值填充到相應的表中。
6. 這樣就構造出對應的明細表來。 

如果用Java來實現(xiàn)，初步估計代碼量也不會少于200行，若需要結果輸出成excel文件則開發(fā)工作量會更多。Excel自己雖然提供了VBA，但那個麻煩度誰用誰知道，不提也罷。其它的語言呢？傳說python有處理行列轉(zhuǎn)換的功能（pandas包里有pivot功能），代碼量相對于java會少很多， 我們來試一下： 

import pandas as pd 
import numpy as np  
  
 
df = pd.read_excel(“D:\\excel\\pandas.xlsx”, 0, 3)  
cols = df.columns.values.tolist() #獲取數(shù)據(jù)頭信息  
#移去前兩列，只保留需要行列轉(zhuǎn)換的列  
cols.remove(‘科目編碼’)  
cols.remove(‘科目明細’)  
  
 
#構造一個list.  
frames=[]  
for col in cols:  
df1 = df.pivot_table(index = [‘科目編碼’,’科目明細’], values = [col])  
df1.rename(columns={col: ‘數(shù)值’}, inplace=True)  
df1[3]=col  
#轉(zhuǎn)換后的數(shù)據(jù)追加到frames中.  
frames.append(df1)   
 
# concat將相同字段的表首尾相接  
result=pd.concat(frames)  
result.rename(columns={3: ‘帳套名’}, inplace=True)  
result.to_excel(‘D:\\excel\\pandas_n.xlsx’, sheet_name=’科目明細’)  

嗯，還不錯，果然比較簡潔！這是Python生成的excel文件：

不過，這里有點小問題，這個excel格式有點特殊，想用Python的 pivot，我們要將“科目編碼”，“科目明細”移到與轉(zhuǎn)換列標題所在同一行上，變成下面的樣子。否則在代碼上就得特殊 “照顧”，反正只有一行，手工做一下就算了，比寫代碼省事。

無論如何，python的這個細節(jié)處理的小”瑕疵”并不影響其方便性。python確實名不虛傳，雖然使用了循環(huán)，但整個代碼也就只有10來行的樣子。 

還能更簡單嗎？

嘿嘿，能！

我們來看集算器的代碼：

代碼很簡單，我們把每一步的中間結果列出來看看：

A1：加載excel文件工作表1，提取指定范圍的數(shù)據(jù)(從3行到40行)，其中選項@ t表示首行為標題，載入數(shù)據(jù),生成表格如下：

A2：刪除非數(shù)據(jù)行

A3：更換列名稱

A4：把從第三列開始的列名稱連成字符串，用“,”分開

A5：pivot函數(shù)將行列數(shù)據(jù)進行轉(zhuǎn)換，把A4中對應的列數(shù)據(jù)置放到“數(shù)值”列

A6：將整理好的數(shù)據(jù)另存儲為xls文件

集算器腳本只6行，而且木有啥循環(huán)、判斷之類的玩意兒，也不像Python那樣要先手工倒騰一下，就把這看似有點“亂”的數(shù)據(jù)表格處理好了。相比之下，Python采用列優(yōu)先轉(zhuǎn)換多次循環(huán) “N”字方式，集算器則用行優(yōu)先一次性處理，在處理數(shù)據(jù)上，集算器對細節(jié)處理及使用習慣更專業(yè)。而且集算器的開發(fā)環(huán)境也容易調(diào)試，可以看到每一步運算的中間結果，方便挑出錯誤，開發(fā)更為便捷。在這種常規(guī)數(shù)據(jù)處理的任務中，集算器要比Python更為優(yōu)越。 

就這個問題，關于 python與集算器的差異，再說說自己的一點體會：

1.多列轉(zhuǎn)換：

對于需要多列行列轉(zhuǎn)換并匯集成“長”列的場景時，python需要將每個數(shù)據(jù)列構造成數(shù)組，并增加一列記錄當前列名，再追加到一個大的列表中，***合并，合并中去掉非***數(shù)組中的title；

集算器就容易些，它直接把想要轉(zhuǎn)換的列匯集在一塊就行。相對于python的繁瑣，集算器至少能省幾個腦細胞。

2.名稱更改：

python對于需要轉(zhuǎn)換列的名稱不能更改,如cols[0]=’天津’，此時python找不到修改前的關鍵字，“哪個朋友挖的坑，別以為我發(fā)現(xiàn)不了”，欺負大爺眼花，給報個異常行不？

但對應的集算器來說則很方便,如：>A1.rename(_1:科目編碼,_2:科目明細,4成都: 成都)

3.標題空值問題：

Python讀取excel表中的轉(zhuǎn)換行標題時，前面兩列為空(對應原來的excel中的“科目編碼，科目明細”)，此時標題cols中的空值就沒有了,這個“坑”有點隱蔽啊，我真沒有發(fā)現(xiàn),把其中的兩列弄丟了，真有點丟臉 ;

但集算器能識別出來，會自動加上對應的標識_1、_2，這樣處理數(shù)據(jù)時，就能找到其中對應的兩列。

4.網(wǎng)格式編程

集算器使用網(wǎng)格A1這種格式，它自動與所在位置的對象關聯(lián)起來，這點非常方便,感覺很有特色；Python就只能望洋興嘆了。