重新格式化存储在数组中的数字

Question

输入的数据是：

需要的输出是：

请问这能仅通过Excel格式实现，还是需要用Python脚本？如果可以的话，能帮我写个Python脚本吗？谢谢。

我的脚本：

我的逻辑是读取每一列的数据，然后比较值是否在1到20之间，如果相等就输出这个值，否则输出空白。

import pandas as pd
df = pd.read_excel(r"C:\Users\my\scripts\test-file.xlsx")

print(df)

for column in df.columns[0:]:
    print(df[column])

Answer 1

这里有一种方法：

示例数据框

import pandas as pd
import numpy as np

np.random.seed(0) # for reproducibility

df = pd.DataFrame({f'col_{i}': np.random.choice(range(1, 10), 
                                                size=4, 
                                                replace=False) 
                   for i in range(1, 4)})

df

   col_1  col_2  col_3
0      6      3      6
1      3      7      8
2      4      8      5
3      5      6      7

代码

max_value = df.values.max()

out = df.stack()

idx = pd.MultiIndex.from_arrays([out.index.get_level_values(1), 
                                 out.values])

out = (out
       .set_axis(idx)
       .unstack(0)
       .reindex(range(1, max_value + 1))
       )

out

   col_1  col_2  col_3
1    NaN    NaN    NaN
2    NaN    NaN    NaN
3    3.0    3.0    NaN
4    4.0    NaN    NaN
5    5.0    NaN    5.0
6    6.0    6.0    6.0
7    NaN    7.0    7.0
8    NaN    8.0    8.0

# write away to excel with `df.to_excel`

解释

• 首先，创建一个变量（max_value），用来存储数据框（df）中的最大值，以后会用到这个值来重新索引。
• 接着，使用 df.stack 方法，把所有的列合并成一个堆叠的 pd.Series（这里叫做：out）。
• 然后，使用 pd.MultiIndex.from_arrays 创建一个新的索引（idx）。对于第一个数组，选择索引的第二层（可以用 pd.MultiIndex.get_level_values）；对于第二个数组，使用实际的 值。
• 现在，使用 Series.set_axis 将 idx 设置为索引，然后应用 Series.unstack，最后用 Series.reindex 来添加缺失的索引值（这些值会是 np.nan）。