博客这是一个场景：您刚刚使用了SQL，并且有一个输出，它显示了您想要的结果，但是它并没有以最佳方式显示。我们可以快速使用Python或R中的几个短函数来实现这个结果，而不是编写繁琐的case-when语句、unions/union-all。这不仅更易于编写，而且由于Python和R是用来处理这些操作的，所以计算速度更快。为了进行比较，SQL是用来查询结果的，而不是改变数据帧的形状。下面是一些关于虚拟游戏公司的表格。假设我的查询结果生成了左侧的表，但我希望最终的表看起来像右边的表我们可以使用Python中的几行代码来实现这一点：#SQL输出作为名为"df"的pandas dataframe变量导入将熊猫作为pd导入测向=pd.pivot_表（df，index='mydate'，columns='platform'，values='count'）测向=数据框重置索引()#使用Sisense通过将数据传递给sisense.输出()sisense.输出（df）注意pandas pivot_table函数有一个可选的aggfunc参数，您可以使用该参数定义如何用相同的pivot表示值（此参数的默认值是mean）R在tidyr库中也有一个类似的函数，称为spread：图书馆（tidyr）df=排列（df，平台，计数）sisense表格（df）现在让我们假设我们想反过来做。我们的查询生成与右表类似的数据，但我们希望像左表一样显示它（这对于将数据可视化为另一种图表类型最有用）在Python中，我们将如何在Python中实现melt函数：将熊猫作为pd导入测向=钯熔体（df，id_vars='mydate'，var'u，value_name='count'）#使用Sisense通过将数据传递给sisense.输出()sisense.输出（df）在R中，我们将使用tidyr聚集函数：图书馆（tidyr）df=集合（df，platform，value，-mydate）sisense表格（df）标记：数据团队