如何将按年/月排列的Pandas DataFrame转为含Date与Value列的格式

假设你的原始DataFrame结构如下（Year为年份列，12个月份作为列名存储对应数值）：

以下是两种无需循环的高效实现方式：

方法一：使用pd.melt重塑数据 #

melt是Pandas专门用于宽表转长表的工具，配合日期转换可以快速得到目标格式：

import pandas as pd

# 1. 重塑宽表为长表，保留Year作为标识列
melted = original_df.melt(id_vars="Year", var_name="Month", value_name="Value")

# 2. 合并年份与月份生成日期列，并格式化指定样式
melted["Date"] = pd.to_datetime(
    melted["Year"].astype(str) + "-" + melted["Month"],
    format="%Y-%b"  # %b对应月份缩写（如Jan/Feb），如果月份是数字则用%Y-%m
).dt.strftime("%d-%b-%Y")

# 3. 整理列顺序并重置索引
result = melted[["Date", "Value"]].reset_index(drop=True)

方法二：基于stack处理多索引 #

如果你已经尝试过stack，可以通过以下步骤处理多索引生成日期：

import pandas as pd

# 1. 将Year设为索引，堆叠月份列得到多索引Series
stacked = original_df.set_index("Year").stack()

# 2. 重置索引并命名列
stacked = stacked.reset_index()
stacked.columns = ["Year", "Month", "Value"]

# 3. 生成并格式化日期列，逻辑同方法一
stacked["Date"] = pd.to_datetime(
    stacked["Year"].astype(str) + "-" + stacked["Month"],
    format="%Y-%b"
).dt.strftime("%d-%b-%Y")

# 4. 整理结果
result = stacked[["Date", "Value"]].reset_index(drop=True)

注意事项 #

• 如果原始DataFrame中的月份列是数字（如"1"、"2"而非"Jan"、"Feb"），只需将format参数改为%Y-%m，strftime会自动将数字月份转换为缩写格式。
• 两种方法均为Pandas矢量化操作，处理大规模数据的效率远高于循环遍历。

内容的提问来源于stack exchange，提问作者GBean