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：

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：

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 4 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：pivot 函数将行列数据进行转换，除字段“科目编码, 科目明细”外的字段对应的列数据置放到“数值”列

A3：将整理好的数据另存储为 xls 文件

集算器脚本只 3 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。