通过拆分列名实现DataFrame的逆透视（Unpivot）

可以通过拆分列名+重塑数据的方式实现需求，具体步骤如下：

1. 准备示例数据 #

import pandas as pd

df = pd.DataFrame({
    'volume_brand1': [1000],
    'volume_productX_brand1': [100],
    'amount_brand1': [10],
    'amount_productX_brand1': [50],
    'volume_productX_brand2': [2000],
    'amount_productX_brand2': [200]
})

2. 逆透视所有列 #

先把所有列转为「变量-值」对，因为没有固定的标识列，直接使用melt且不指定id_vars：

melted = df.melt(var_name='col_name', value_name='value')

3. 拆分列名提取关键信息 #

利用正则表达式从列名中拆分出brand、product、metric（volume/amount）三个字段：

# 提取度量指标（volume/amount）
melted['metric'] = melted['col_name'].str.extract(r'(volume|amount)')
# 提取产品名称，非productX的填充为"not product X"
melted['product'] = melted['col_name'].str.extract(r'_(productX)_').fillna('not product X')
# 提取品牌名称
melted['brand'] = melted['col_name'].str.extract(r'(brand\d+)')

4. 重塑为目标格式 #

通过pivot将度量指标转为列，再整理结果：

# 透视数据，将metric转为列
result = melted.pivot(index=['brand', 'product'], columns='metric', values='value').reset_index()
# 移除列名层级，调整列顺序
result.columns.name = None
result = result[['brand', 'product', 'volume', 'amount']]

# 可选：调整行顺序，和目标示例一致
result = result.sort_values(['brand', 'product'], ascending=[True, False]).reset_index(drop=True)

最终输出结果：

brand          product  volume  amount
0  brand1         productX     100      50
1  brand1  not product X      1000      10
2  brand2         productX    2000     200

内容的提问来源于stack exchange，提问作者borisvanax