如何将横向存储的英超联赛数据转换为纵向结构化DataFrame？

你的核心问题是把宽表（每行一个赛季，列是所有球队的各项数据）转成长表（每行对应一个赛季+一支球队，列是各项赛事指标），转置没用是因为仅互换行列无法拆分球队和指标的维度。以下是具体操作步骤：

假设你的DataFrame初始结构 #

假设你的df是这样的（每行对应一个赛季，列采用球队_指标命名格式）：

步骤1：将赛季转为独立列 #

先把行索引中的赛季转为普通数据列：

import pandas as pd

# 假设爬取的数据已存入DataFrame df
df = df.reset_index().rename(columns={'index': '赛季'})

步骤2：宽表转长表 #

用melt方法把所有球队指标列拆分为球队_指标和数据两列：

melted_df = df.melt(id_vars='赛季', var_name='球队_指标', value_name='数据')

步骤3：拆分球队与指标 #

将球队_指标列拆分为球队和指标两个独立列：

# 这里假设列名用下划线分隔，若使用空格等其他分隔符，替换成对应字符即可
melted_df[['球队', '指标']] = melted_df['球队_指标'].str.split('_', expand=True)

步骤4：重塑为纵向积分榜格式 #

用pivot_table把指标转为列，得到和官方一致的纵向结构：

final_df = melted_df.pivot_table(
    index=['赛季', '球队'],
    columns='指标',
    values='数据',
    aggfunc='first'
).reset_index()

# 可选：按英超官方指标顺序调整列的排列
desired_cols = ['赛季', '球队', '积分', '胜场', '平场', '负场', '进球', '失球', '净胜球', '排名']
final_df = final_df[desired_cols]

特殊情况处理：列名无球队/标识 #

如果你的列名没有明确的球队_指标格式（比如仅为col0, col1...），先手动给列名打上球队和指标标签：

# 定义20支英超球队列表（需和爬取的列顺序严格对应）
teams = ['阿森纳', '曼城', '利物浦', '切尔西', '热刺', '曼联', '纽卡斯尔', '布莱顿', '阿斯顿维拉', '布伦特福德',
         '富勒姆', '水晶宫', '埃弗顿', '伯恩茅斯', '狼队', '西汉姆联', '诺丁汉森林', '南安普顿', '莱斯特城', '利兹联']
# 定义指标列表（每个球队对应的指标顺序）
stats = ['积分', '胜场', '平场', '负场', '进球', '失球', '净胜球', '排名']

# 生成新的列名
new_columns = [f'{team}_{stat}' for team in teams for stat in stats]
df.columns = new_columns

# 之后再执行上述步骤1-4即可

处理完成后，final_df就是每行对应一个赛季的一支球队、各项指标为列的纵向格式，完全匹配英超官方积分榜的结构。

内容的提问来源于stack exchange，提问作者Jing Yu