带多层表头Excel透视表转长格式存入DB：列异常与转换方案咨询

一、用pd.melt（Python pandas）处理 #

你已经用pandas读取了带多级列的DataFrame，先清理合并列导致的Unnamed列名，再进行转置：

1. 清理多级列名 #

合并列读取后会产生缺失的上层列名，先填充这些缺失值：

# 填充多级列名中缺失的上层名称（向前填充）
df.columns = df.columns.fillna(method='ffill')
# 可选：将多级列名转为单级，方便后续操作
df.columns = ['_'.join(col) for col in df.columns]

2. 用pd.melt转长格式 #

根据数据结构，指定维度列（不需要转置的列）和值列：

# 假设维度列是开头的几列，值列是日期相关列，可根据实际调整判断规则
melted_df = df.melt(
    id_vars=[col for col in df.columns if not col.startswith('2023')],
    var_name='日期',  # 转置后的分类列名
    value_name='指标值'  # 转置后的数值列名
)

处理完成后，直接用to_sql方法就能将melted_df写入数据库。

二、用Power Query（Excel内置工具）处理 #

如果偏好可视化操作、不想写代码，Power Query更适合：

• 选中Excel中的透视表数据，点击「数据」→「从表格/范围」，进入Power Query编辑器
• 选中所有需要转置的数值/日期列，点击「转换」→「逆透视列」→「逆透视其他列」（自动保留维度列）
• 如果存在合并列导致的空单元格，选中对应列，点击「转换」→「填充」→「向下填充」
• 点击「关闭并上载」，将转换后的长格式表格导出到Excel，再导入数据库即可

方案对比 #

• pd.melt：适合自动化批量处理，可与数据库写入流程整合，代码可复用、易维护
• Power Query：可视化操作门槛低，适合单次处理或非技术人员，无需编写代码

内容的提问来源于stack exchange，提问作者arnav chauhan