如何用Pandas实现适配新增月份列的透视表转换？

问题描述 #

现有如下DataFrame（df）：

class teacher January February
0     A    Mary       4        3
1     B     Ann       5        7
2     C   Kevin       6        8

生成该DataFrame的代码：

import pandas as pd
df = pd.DataFrame( {'class':['A', 'B', 'C'], 
                    'teacher':['Mary', 'Ann', 'Kevin'],
                    'January':['4', '5', '6'], 
                    'February':['3', '7', '8']
                   } )

需要将其中的月份列转换为行，得到如下结构的new_df：

month     class teacher count
0   January      A    Mary      4     
1   January      B    Ann       5        
2   January      C    Kevin     6        
3   February     A    Mary      3     
4   February     B    Ann       7        
5   February     C    Kevin     8       

未来该DataFrame可能会新增月份列（如March），需要实现可适配所有月份列的转换。请问如何通过pivot相关操作完成转换？是否需要先进行行列互换？

解决方案 #

你需要的是**逆透视（Unpivot）**操作，而非常规的pivot（透视，用于行转列），不需要先进行行列互换，直接使用pandas的melt()方法即可实现，且能自动适配新增的月份列。

实现代码 #

import pandas as pd

# 生成原始DataFrame
df = pd.DataFrame( {'class':['A', 'B', 'C'], 
                    'teacher':['Mary', 'Ann', 'Kevin'],
                    'January':['4', '5', '6'], 
                    'February':['3', '7', '8']
                   } )

# 执行逆透视转换
new_df = df.melt(
    id_vars=['class', 'teacher'],  # 指定保持不变的列
    var_name='month',              # 原月份列的列名会作为该列的取值
    value_name='count'             # 原月份列的数值会存入该列
).astype({'count': int})  # 可选：将count列从字符串转为整数类型

print(new_df)

关键说明 #

• id_vars：指定转换过程中保持结构不变的列（这里是class和teacher），其余所有列都会被自动识别为需要转换的月份列。
• 当后续新增March等月份列时，无需修改代码，melt()会自动将新增的月份列纳入转换范围，完全适配动态新增的列。
• astype({'count': int})是可选步骤，因为原始DataFrame中月份列的数值是以字符串形式存储的，转换为整数能让数据类型更合理。

内容的提问来源于stack exchange，提问作者Lara19