下面这种交叉式的Excel表是很常见的格式，用来填写和查看都比较方便：
但是，如果想做进一步的统计分析，这种格式就不方便了，需要行列转换，变成如下格式的明细表：
显然，手工操作会非常麻烦，若数据量小还可以，数据量大了会耗费大量时间，简直就是灾难。
Excel也可以通过数据透视表支持行列转换功能，效果如下图：
但这并不是我们想要的格式。
看来只能写个程序来解决了，思路也很简单：
- 加载excel文件，装载需要的sheet工作表。
- 读取账套名所在的行，将其转换成字符串数组。
- 读取科目编码所在列，将其转换成字符串数组。
- 按科目编码分组，与账套名数组构造一张表。
- 根据账套名对应的数据，遍历所有的明细值填充到相应的表中。
- 这样就构造出对应的明细表来。
如果用Java来实现，初步估计代码量也不会少于200行，若需要结果输出成excel文件则开发工作量会更多。Excel自己虽然提供了VBA，但那个麻烦度谁用谁知道，不提也罢。其它的语言呢？传说python有处理行列转换的功能（pandas包里有pivot功能），代码量相对于java会少很多， 我们来试一下：
- import pandas as pd
- import numpy as np
- df = pd.read_excel(“D:\\excel\\pandas.xlsx”, 0, 3)
- cols = df.columns.values.tolist() #获取数据头信息
- #移去前两列，只保留需要行列转换的列
- cols.remove(‘科目编码’)
- cols.remove(‘科目明细’)
- #构造一个list.
- frames=[]
- for col in cols:
- df1 = df.pivot_table(index = [‘科目编码’,’科目明细’], values = [col])
- df1.rename(columns={col: ‘数值’}, inplace=True)
- df1[3]=col
- #转换后的数据追加到frames中.
- frames.append(df1)
- # concat将相同字段的表首尾相接
- result=pd.concat(frames)
- result.rename(columns={3: ‘帐套名’}, inplace=True)
- result.to_excel(‘D:\\excel\\pandas_n.xlsx’, sheet_name=’科目明细’)
嗯，还不错，果然比较简洁！这是Python生成的excel文件：
不过，这里有点小问题，这个excel格式有点特殊，想用Python的 pivot，我们要将“科目编码”，“科目明细”移到与转换列标题所在同一行上，变成下面的样子。否则在代码上就得特殊 “照顾”，反正只有一行，手工做一下就算了，比写代码省事。
无论如何，python的这个细节处理的小”瑕疵”并不影响其方便性。python确实名不虚传，虽然使用了循环，但整个代码也就只有10来行的样子。
还能更简单吗？
嘿嘿，能！
我们来看集算器的代码：
| A | B | |
| 1 | =file(“D:/excel/明细.xlsx”).importxls@t(;1,3:40) | //读入excel文件 |
| 2 | >A1.delete(A1.select(_1==”科目编码”)) | //清除首列为”科目编码”所在的行 |
| 3 | >A1.rename(_1:科目编码,_2:科目明细) | //更换列1名称为科目编码，列2名称为科目明细 |
| 4 | =A1.fname().to(3,).concat(“,”) | //将从第三列的列名连成字符串，用,分开 |
| 5 | =A1.pivot@r(科目编码,科目明细;账套名,数值;${A4}) | //用pivot函数进行行列转换 |
| 6 | =file(“D:/excel/明细2.xlsx”).exportxls@t(A5;”科目明细”) | //将整理好的数据另存储为xlsx文件 |
代码很简单，我们把每一步的中间结果列出来看看：
A1：加载excel文件工作表1，提取指定范围的数据(从3行到40行)，其中选项@ t表示首行为标题，载入数据,生成表格如下：
A2：删除非数据行
A3：更换列名称
A4：把从第三列开始的列名称连成字符串，用“,”分开
A5：pivot函数将行列数据进行转换，把A4中对应的列数据置放到“数值”列
A6：将整理好的数据另存储为xls文件
集算器脚本只6行，而且木有啥循环、判断之类的玩意儿，也不像Python那样要先手工倒腾一下，就把这看似有点“乱”的数据表格处理好了。相比之下，Python采用列优先转换多次循环 “N”字方式，集算器则用行优先一次性处理，在处理数据上，集算器对细节处理及使用习惯更专业。而且集算器的开发环境也容易调试，可以看到每一步运算的中间结果，方便挑出错误，开发更为便捷。在这种常规数据处理的任务中，集算器要比Python更为优越。
就这个问题，关于 python与集算器的差异，再说说自己的一点体会：
1.多列转换：
对于需要多列行列转换并汇集成“长”列的场景时，python需要将每个数据列构造成数组，并增加一列记录当前列名，再追加到一个大的列表中，***合并，合并中去掉非***数组中的title；
集算器就容易些，它直接把想要转换的列汇集在一块就行。相对于python的繁琐，集算器至少能省几个脑细胞。
2.名称更改：
python对于需要转换列的名称不能更改,如cols[0]=’天津’，此时python找不到修改前的关键字，“哪个朋友挖的坑，别以为我发现不了”，欺负大爷眼花，给报个异常行不？
但对应的集算器来说则很方便,如：>A1.rename(_1:科目编码,_2:科目明细,4成都: 成都)
3.标题空值问题：
Python读取excel表中的转换行标题时，前面两列为空(对应原来的excel中的“科目编码，科目明细”)，此时标题cols中的空值就没有了,这个“坑”有点隐蔽啊，我真没有发现,把其中的两列弄丢了，真有点丢脸 ;
但集算器能识别出来，会自动加上对应的标识_1、_2，这样处理数据时，就能找到其中对应的两列。
4.网格式编程
集算器使用网格A1这种格式，它自动与所在位置的对象关联起来，这点非常方便,感觉很有特色；Python就只能望洋兴叹了。
