精华内容
下载资源
问答
  • 二维表和数据表的区别
    千次阅读
    2019-08-02 14:31:07

    错误概念:
    一维表:是只有1行数据的? 只有2个列的?   是空间上一维的,线的概念?NO

    二维表:是空间上二维的,面的概念?NO

     

    准确概念辨析
    表:基础概念,1行是1条数据,1列是1个属性

          只要是表,从空间上看都是二维的

          从空间上是一维的,那是一个数列,不是表

    一维表:每列都是独立属性,列和列之间不能在归为1类概念

                 录入原始数据,一般要有一维表

    二维表:至少有部分列是非独立的,同类概念/属性/参数(可归类为一类),那么就是二维表

                 二维表,主要目的是展示,更容易理解,发现规律

     

    例子
    表1: 姓名,数学,语文,物理,化学------------二维表

    表2:姓名,学科,成绩-------------------------------一维表
     

    更多相关内容
  • excel二维表转化为一维表

    千次阅读 2021-03-03 18:20:36
    1、什么是二维表和一维表 二维表即表中有两个维度,纵向维度的哪列值唯一 一维表即只有列名一个维度 2、 添加工具并转换 我们需要添加【数据透视表和数据透视图向导】功能来完成,如果已经设置可以忽略...

    1、什么是二维表和一维表

    二维表即表中有两个维度,纵向维度的哪列值唯一

    一维表即只有列名一个维度

     

    2、 添加工具并转换

          我们需要添加【数据透视表和数据透视图向导】功能来完成,如果已经设置可以忽略这步

          文件--选项--自定义功能区--不在功能区的命令--数据透视表和数据透视图向导--在数据中加一个新建组--添加--确定

    数据--数据透视表和数据透视图向导--多重合并计算数据区域--数据透视表--下一步

    就会出现一个透视表

    取消行和列 

    然后复制粘贴就可以得到新的表了

     

     

     

     

     

    展开全文
  • 数据分析时,同事经常给你一份二维表,是不是分分钟有想哭的冲动,一大堆的东西在一块,怎么透视?想要做进一步分析,也是特别麻烦。今天给你一种方便的方法。一、入门版先来看看可能要处理的文件是什么样的?看看,...

    数据分析时,同事经常给你一份二维表,是不是分分钟有想哭的冲动,一大堆的东西在一块,怎么透视?想要做进一步分析,也是特别麻烦。今天给你一种方便的方法。

    一、入门版

    先来看看可能要处理的文件是什么样的?

    5a09b4aa5fb2

    看看,别提多闹心了。当然我们不可能一开始就处理这么复杂的样式。先来个简单的验证一下。

    5a09b4aa5fb2

    如上这样一个二维数据,怎么变成一维数据呢?

    excel中可以这样操作

    选择数据透视表,快捷键alt+d+p,这里是用wps的演示的,用office是一样的效果

    5a09b4aa5fb2

    选择多重合并计算区域

    5a09b4aa5fb2

    创建单面字段

    5a09b4aa5fb2

    选择数据区域

    5a09b4aa5fb2

    添加数据区域

    5a09b4aa5fb2

    点击完成,默认新工作表确定

    5a09b4aa5fb2

    这样一个数据透视表就出现了

    5a09b4aa5fb2

    到这时,读者可能想,还是没有变成一维表呀,这不依然是二维表。别急,还有下面的关键步骤。

    在透视表的区域里去除行和列的数据,只保留值的区域

    5a09b4aa5fb2

    改变前

    5a09b4aa5fb2

    改变后

    这是我们的数据透视表变成了这样:

    5a09b4aa5fb2

    双击数值,我们这里就是这个6762

    5a09b4aa5fb2

    这时就进入了这样一个界面,相信细心的朋友一定能发现这里正好就是我们要的二维数据了,复制整个内容,更改一下列名。

    5a09b4aa5fb2

    让我们头痛的二维表就这样变成了一维表。

    二、进阶版

    完成了这样一个简单的验证,我们再来考虑一下我们开头提到的复杂样式?这个该怎么处理呢?是不是也可以用这种方法解决呢?

    先试一试

    5a09b4aa5fb2

    好像没那么管用了,我们希望的是二级区域,业务员,类型这些也能像一级大区这样展开,可是这里却混在了一起。这可怎么办呢?

    Pandas来救场

    熟悉python的应该知道,python经常被说成是数据分析的好工具,但是其实python能进入数据分析领域,pandas才是其中最大的功臣,pandas和numpy成为python数据分析最大的法宝。这里我们就要用到pandas的一个很方便的功能。

    引入相关包

    # 引入相关包

    import pandas as pd

    import numpy as np

    读入文件

    # 读入文件

    file = r"E:\销售数据报表项目\医美专题\2dims.xlsx"

    df = pd.read_excel(file)

    df.head()

    数据输出:

    一级大区 二级区域 业务员 型号 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月

    0 南区 浙南区域 name1 type1 222.392385 110.46942 207.566226 208.341450 234.989775 244.680075 239.834925 249.525225 205.918875 276.17355 296.52318 290.709

    1 南区 浙南区域 name1 type2 52.166115 25.91258 48.688374 48.870217 55.121058 57.394092 56.257575 58.530608 48.301958 64.78145 69.55482 68.191

    2 南区 浙南区域 name2 type1 866.394630 430.36596 808.634988 811.655100 915.471450 953.222850 934.347150 972.098550 802.217250 1075.91490 1155.19284 1132.542

    3 南区 浙南区域 name2 type2 203.228370 100.95004 189.679812 190.388233 214.740217 223.595483 219.167850 228.023117 188.174417 252.37510 270.97116 265.658

    4 南区 浙南区域 name3 type1 1280.382795 636.00714 1195.023942 1199.487150 1352.909925 1408.700025 1380.804975 1436.595075 1185.539625 1590.01785 1707.17706 1673.703

    可以看到,和我们在excel里看到的内容是一致的。

    下面我们就要开始变换处理了。

    变换处理

    # 变换处理

    df1 = df.set_index(['一级大区','二级区域','业务员','型号'])

    df2 = df1.stack()

    df3 = df2.reset_index()

    df3.columns = ['primary_area', 'sub_area', 'sales_man',

    'product_specifications', 'month', 'target']

    df3

    数据输出:

    primary_area sub_area sales_man product_specifications month target

    0 南区 浙南区域 name1 type1 1月 222.392385

    1 南区 浙南区域 name1 type1 2月 110.469420

    2 南区 浙南区域 name1 type1 3月 207.566226

    3 南区 浙南区域 name1 type1 4月 208.341450

    4 南区 浙南区域 name1 type1 5月 234.989775

    5 南区 浙南区域 name1 type1 6月 244.680075

    6 南区 浙南区域 name1 type1 7月 239.834925

    7 南区 浙南区域 name1 type1 8月 249.525225

    8 南区 浙南区域 name1 type1 9月 205.918875

    9 南区 浙南区域 name1 type1 10月 276.173550

    10 南区 浙南区域 name1 type1 11月 296.523180

    11 南区 浙南区域 name1 type1 12月 290.709000

    12 南区 浙南区域 name1 type2 1月 52.166115

    ...

    3405 北区 山东大区 name140 type2 10月 127.680000

    3406 北区 山东大区 name140 type2 11月 137.088000

    3407 北区 山东大区 name140 type2 12月 134.400000

    3408 rows × 6 columns

    可以看到,二维表已经变成了我们想要的一维表了。

    这中间到底发生了什么魔法?

    我们来解释下刚刚的代码:

    # 变换处理开始

    # 首先把数据df设置成多项索引,就像下面这样

    df1 = df.set_index(['一级大区','二级区域','业务员','型号'])

    # 然后把二维表格变成堆叠样式

    df2 = df1.stack()

    # 再把堆叠样式的数据重建索引

    df3 = df2.reset_index()

    # 我们把原来一行的内容转变成一列了,系统当然不知道应该叫什么,

    # 所以我们这里要给新出现的列命名,这里为了方便后面分析使用,

    # 直接给所有列重命名成英文

    df3.columns = ['primary_area', 'sub_area', 'sales_man',

    'product_specifications', 'month', 'target']

    # 那么为什么要生成df1,2,3呢? 这是为了覆盖原数据,防止我们误操作了没法复原

    再来看看,每次变更后的数据是怎么样的:

    # 设置多项索引后

    In: df1

    Out:

    1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月

    一级大区 二级区域 业务员 型号

    南区 浙南区域 name1 type1 222.392385 110.469420 207.566226 208.341450 234.989775 244.680075 239.834925 249.525225 205.918875 276.17355 296.52318 290.709

    type2 52.166115 25.912580 48.688374 48.870217 55.121058 57.394092 56.257575 58.530608 48.301958 64.78145 69.55482 68.191

    name2 type1 866.394630 430.365960 808.634988 811.655100 915.471450 953.222850 934.347150 972.098550 802.217250 1075.91490 1155.19284 1132.542

    type2 203.228370 100.950040 189.679812 190.388233 214.740217 223.595483 219.167850 228.023117 188.174417 252.37510 270.97116 265.658

    name3 type1 1280.382795 636.007140 1195.023942 1199.487150 1352.909925 1408.700025 1380.804975 1436.595075 1185.539625 1590.01785 1707.17706 1673.703

    type2 300.336705 149.186860 280.314258 281.361183 317.349242 330.435808 323.892525 336.979092 278.089542 372.96715 400.44894 392.597

    name4 type1 891.738315 442.954980 832.289094 835.397550 942.250725 981.106425 961.678575 1000.534275 825.683625 1107.38745 1188.98442 1165.671

    type2 209.173185 103.903020 195.228306 195.957450 221.021775 230.136075 225.578925 234.693225 193.678875 259.75755 278.89758 273.429

    浙北区域 name5 type1 644.436000 320.112000 601.473600 603.720000 680.940000 709.020000 694.980000 723.060000 596.700000 800.28000 859.24800 842.400

    type2 151.164000 75.088000 141.086400 141.613333 159.726667 166.313333 163.020000 169.606667 139.966667 187.72000 201.55200 197.600

    name6 type1 619.650000 307.800000 578.340000 580.500000 654.750000 681.750000 668.250000 695.250000 573.750000 769.50000 826.20000 810.000

    # 改成堆叠样式后

    In:df2

    Out:

    一级大区 二级区域 业务员 型号

    南区 浙南区域 name1 type1 1月 222.392385

    2月 110.469420

    3月 207.566226

    4月 208.341450

    5月 234.989775

    6月 244.680075

    7月 239.834925

    8月 249.525225

    9月 205.918875

    10月 276.173550

    11月 296.523180

    12月 290.709000

    type2 1月 52.166115

    2月 25.912580

    3月 48.688374

    4月 48.870217

    5月 55.121058

    6月 57.394092

    7月 56.257575

    8月 58.530608

    9月 48.301958

    10月 64.781450

    11月 69.554820

    12月 68.191000

    name2 type1 1月 866.394630

    2月 430.365960

    有点像是大括号括起来的效果。不过这里可以看到月份和销售额是没有列名的。

    # 这里为了演示,又重新建了一个df,

    # 因为前面df3已经重命名列名了

    In: df4 = df2.reset_index()

    df4

    Out:

    一级大区 二级区域 业务员 型号 level_4 0

    0 南区 浙南区域 name1 type1 1月 222.392385

    1 南区 浙南区域 name1 type1 2月 110.469420

    2 南区 浙南区域 name1 type1 3月 207.566226

    3 南区 浙南区域 name1 type1 4月 208.341450

    4 南区 浙南区域 name1 type1 5月 234.989775

    5 南区 浙南区域 name1 type1 6月 244.680075

    6 南区 浙南区域 name1 type1 7月 239.834925

    7 南区 浙南区域 name1 type1 8月 249.525225

    8 南区 浙南区域 name1 type1 9月 205.918875

    9 南区 浙南区域 name1 type1 10月 276.173550

    10 南区 浙南区域 name1 type1 11月 296.523180

    11 南区 浙南区域 name1 type1 12月 290.709000

    可以看到,前面的一级大区,二级区域这些内容被填充上内容了。但是月份和销售额还是没有列名。

    In: df4.columns = ['primary_area', 'sub_area', 'sales_man',

    'product_specifications', 'month', 'target']

    df4

    Out:

    primary_area sub_area sales_man product_specifications month target

    0 南区 浙南区域 name1 type1 1月 222.392385

    1 南区 浙南区域 name1 type1 2月 110.469420

    2 南区 浙南区域 name1 type1 3月 207.566226

    3 南区 浙南区域 name1 type1 4月 208.341450

    这样就完成了一个多项索引的二维表到一维表的转换。可以看到使用pandas方便快捷,最关键的是能处理excel不太方便的地方。

    后记

    到这里,今天的内容已经完结了,可能还有朋友说,你标题不是说的要讲一维表和二维表相互转换吗?怎么只讲了二维表到一维表?其实一维表到二维表是最简单的内容,在excel里主要涉及到就是透视表,而pandas也提供了类似透视表的功能, 那就是pivot_table函数。这个就可以留给朋友们自己去研究了。如果有需要可以关注公众号留言给我,我们在一篇文章里再讲讲。

    展开全文
  • 如何把二维表转成一维表

    千次阅读 2018-01-10 16:56:59
    数据透视表除了能将一维表转成二维表,同样也可以二维表转成一维表。看如何用透视表将以下二维表转成一维表。 工具/原料 EXCEL2007 方法/步骤 ...

    数据透视表除了能将一维表转成二维表,同样也可以二维表转成一维表。看如何用透视表将以下二维表转成一维表。

    如何把二维表转成一维表
    如何把二维表转成一维表

    工具/原料

    • EXCEL2007

    方法/步骤

    1. 首先按快捷键ALT+D、P调出数据透视表和透视图向导,选择“多重合并计算数据区域”“数据透视表”,点击下一步

      如何把二维表转成一维表
    2. 选择创建”单页字段“,点击下一步

      如何把二维表转成一维表
    3. 选定区域,添加,点击下一步

      如何把二维表转成一维表
    4. 选择新建图表的位置,选择新建工作表或者在现工作表内选定一个位置,点击下一步

      如何把二维表转成一维表
    5. 出现的依然是一张二维表

      如何把二维表转成一维表
    6. 将“行”“列”的√去掉,双击A4单元格,即出现一张一维表。

      如何把二维表转成一维表
      END
    经验内容仅供参考,如果您需解决具体问题(尤其法律、医学等领域),建议您详细咨询相关领域专业
    展开全文
  • python 转Excel二维表为一维表

    千次阅读 2018-11-21 12:13:46
    文件名为二维表.xlsx的Sheet1数据源: 二维表.xlsx的Sheet2要实现的结果: import pandas as pd df=pd.read_excel('二维表.xlsx',sheet_name='Sheet1') 得到数据源的数据帧: 我们再将第一列设置为索引,...
  • 摘要 数据场景 一维表转换为二维表 二维表转换为一维表
  • 对已有数据表进行一维二维之间的转化: import pandas as pd ...如上图所示df是一个二维表。 # 将二维数据表转化为一维数据表: new_data = df.set_index('地区') # 将df中的地区一列设置为索引列 df1 = new_...
  • 目录如何分析单张二维表数据如何用PowerBI搞定几十张二维表操作步骤打开Power BI Desktop,获取数据,自文件夹,选择数据源路径,确定选择转换数据保留content列,删除其他列选择添加列,自定义列输入表格汇总公式...
  • wps中将二维表转换为一维表

    千次阅读 2020-01-04 15:49:07
    1、打开wps, 文件->选项->自定义功能区 可以重命名,我这里重命名为数据透视表 原数据 点击选择区域,,如下图,点击下一步 选定区域后,点击完成。...出现了如下的一维表 ...
  • 【存放二维表数据的Java数据结构】  适合封装多个表中的数据  1. List  2. ArrayList> 做二维表存储数据  3. 行列数比较固定可以使用,Object[][]  4. HashMap>    适合封装的数据是一个表中数据  5. ...
  • 数据库中的二维表—巧借Excel

    万次阅读 热门讨论 2016-04-10 13:19:07
     一维表也常称为流水线表格,它和二维表做出的数据透视表最大的区别在于"行总计"。判断数据是一维表格还是二维表格的一个最简单的办法,就是看其列的内容--每一列是否是一个独立的参数。如果每一列都是独立的参数那...
  • 什么是一维表,什么是二维表?和数组的1维,2维 不是一回事 错误概念: 一维表:是只有1行数据的? 只有2个列的? 是空间上一维的,线的概念? NO,这是1维数组 二维表:是空间上二维的,面的概念? NO ,这是2...
  • 二维数据,是一维数据的组合形式,由多个一维数据组合形成 多维数据,由一维数据或者二维数据在新维度上形成的 高维数据,仅利用最基本的二元关系展示数据间的复杂结构 数据的操作周期 存储,在文件中的表现形式...
  • 一维表转二维表 方法一:Excel透视列 选中数据源→数据→从表格 选中想要更改为列的字段(这里这里是将星期改更改为列,所以选中的是星期列)→转换→透视列 在跳出的弹窗中值列选择看你需求(这边就是工作小时)...
  • EXCEL VBA 二维表转换成一维表

    千次阅读 2014-07-29 16:14:48
    EXCEL VBA 二维表转换成一维表  Sub 按钮2_Click() Rem 初始化 Worksheets(1).Activate Dim sizeArr(5) sizeArr(0) = "XS" sizeArr(1) = "S" sizeArr(2) = "M" sizeArr(3) = "L" sizeAr
  • 数据建模中的二维表和一维表!

    千次阅读 2012-05-04 22:19:36
    什么是表/一维表/二维表,哪位给个准确的定义 [复制链接] <!-- .pcb {margin-right:0} --> 透视表要求是一维表, 那什么是表、一维表、二维表呢?查了一下午也没有找到准确的定义, 把找到...
  • Step3:完成后,出现一个数据透视表,双击右下角总计单元格,在新的sheet里面产生一张一维表。 如果双击不出,则右击-数据透视表选项-勾选启用显示明细数据 、查询编辑器 Step1.将数据区域转化成表格 ...
  • excel2016 for mac 二维表转一维表

    千次阅读 2019-03-06 22:32:51
    数据分析过程中,对一维表进行数据处理比对二维表方便,因此经常需要用到二维表转一维表的操作。《谁说菜鸟不懂数据分析》一书以及网络上能查到的有两种方法:一是利用数据透视表和数据透视图向导(包括用“ALT+D+P...
  •  二维列表可以帮助我们存储二维、表格的数据。例如下数据:  【操作】 1 >>> a = [ 2 ["高小一",18,30000,"北京"], 3 ["高小二",19,20000,"上海"], 4 ["高小三",20,10000,"深圳"], 5 ] 6 ...
  • WPS中Excel二维表转一维表

    千次阅读 2019-11-07 16:43:17
    WPS中Excel二维表转一维表一、如何区分一维表和二维表?二、为什么要将二维表转换为一维表?三、如何将二维表转换成一维表? 一、如何区分一维表和二维表? 首先看下以下两张表有什么区别?你能快速有效的区分出哪...
  • 【C#】读取txt、csv等二维表

    千次阅读 2017-04-28 11:56:04
    程序要读文件,在实战中主要还是以二维表为主,类似下图这种: 基本上除了掌握《【C#】txt的读写》(点击打开链接)的文件流的读写,还需要与《【C#】利用正则表达式判断输入是否为纯数字、容器类》(点击打开...
  • A 数据组织存在维度,字典类型用于表示一维和二维数据 B 一维数据采用线性方式组织,对应于数学中的数组集合等概念 C 二维数据采用表格方式组织,对应于数学中的矩阵 D 高维数据由键值对类型的数据构成,采用...
  • 数据组织的维度:一、一维数据:(1)一维数据的表示(2)一维数据的存储(3)一维数据的读入处理(4)一维数据的写入处理二、二维数据(1)二维数据的表示(2)CSV格式与二维数据存储(3)二维数据的读入处理(从CSV...
  • 一维表转二维表(mysql)

    千次阅读 2017-11-23 21:12:52
    例子数据DROP TABLE IF EXISTS tmp0103.temp_test; CREATE TABLE tmp0103.temp_test ( `id` INT(11) NOT NULL AUTO_INCREMENT, `class` VARCHAR(255) DEFAULT NULL, `score` DOUBLE DEFAULT NULL, `userid` INT...
  • 效果如下所示,通过该方法可以使一张二维数据表转换为一维的简单数据明细,以便使用数据透视做统计分析。 该方法主要是利用《数据透视表和数据透视图向导》这一工具实现的,首先需要在excel中找到这一工具 ...
  • Excel:一维表和二维表 互转

    千次阅读 2017-02-14 13:43:45
    一、一维表转二维表 数据源: 一份流水账式的值班表,为了便于打印张贴,现在需要使其变成这样的样式: 也就是从一维表变成传说中的二维表。 一、新建查询 依次单击【数据】→【新建查询】 →【从...
  • Python 二维数据

    千次阅读 2020-03-20 21:14:29
    一维和二维数据表示的形式差异: 【 2.CSV数据存储格式】 CSV :Comma-Separated Values 国际通用的一二维数据存储格式,一般.csv扩展名。 每行一个一维数据,采用逗号分隔,无空行。 Excel一般编辑软件...
  • 1.将二维数据表格式转换成一维; 将数据导入powerbi中同时选中利润中心,一级科目,二级科目然后点击逆透视其他列,然后数据转换成一维数据 2.powerbi中数据的填充及数据提取 对于部门字段下数据填充 ...
  • 文章目录一、 一维数据1. 一维数据的表示2. 一维数据的存储2.1 空格分隔2.2 逗号分隔2.3 其他方式3. 一维数据的处理3.1 一维数据的读入处理.... 二维数据的处理3.1 二维数据的读入处理3.2 二维数据的写入处理3.3...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 304,751
精华内容 121,900
热门标签
关键字:

二维表和数据表的区别