如何在Python DataFrame中对指定列透视重塑，规整球员数据结构？

我正在搭建一个流程：上传可编辑PDF并解析数据，将其整理为DataFrame。目前已完成PDF数据读取并导入DataFrame，但遇到问题：球员信息以name_#、Position_#、Country_#等列形式存在，而非每行对应一个球员。

模拟数据如下：

import pandas as pd

df = pd.DataFrame({
    'Team': ["Bayern", "Barcelona", "Madrid"],
    'region': ["Bravaria", "Barcelona", "Madrid"],
    'title': ["Bundesliga", "Laliga", "Champions Leauge"],
    'name_1': ["Robben", "Messi", "Ronaldo"],
    'Position_1': ["RW", "ST", "ST"],
    'Country_1': ["Netherlands", "Argentina", "Portugal"],
    'name_2': ["Ribery", "Neymar", "Benzema"],
    'Position_2': ["LW", "LW", "RW"],
    'Country_2': ["FRANCE", "Brazil", "France"]})

原始DataFrame结构：

需要将该DataFrame重塑为每行对应一个球员的结构，目标结构如下：

df1 = pd.DataFrame({
    'Team': ["Bayern", "Barcelona", "Madrid", "Barcelona", "Madrid", "Bayern"],
    'region': ["Bravaria", "Barcelona", "Madrid", "Barcelona", "Madrid", "Bravaria"],
    'title': ["Bundesliga", "Laliga", "Champions Leauge", "Laliga", "Champions Leauge", "Bundesliga"],
    'name': ["Robben", "Messi", "Ronaldo", "Neymar", "Benzema", "Ribery"],
    'Position': ["RW", "ST", "ST", "LW", "RW", "LW"],
    'Country': ["Netherlands", "Argentina", "Portugal", "Brazil", "France", "FRANCE"]})

目标DataFrame结构：

使用pandas的wide_to_long方法可直接处理这种带数字后缀的宽表转长表，一步完成重塑：

# 转置数据
result = pd.wide_to_long(df, 
                         stubnames=['name', 'Position', 'Country'], 
                         i=['Team', 'region', 'title'], 
                         j='player_num',
                         sep='_',
                         suffix='\\d+')

# 重置索引，将索引列转为普通列
result = result.reset_index(drop=False)

# 若不需要球员编号列，可删除
result = result.drop('player_num', axis=1)

参数说明 #

• stubnames：指定需要转置的列前缀（name、Position、Country）
• i：指定保持不变的标识列（球队相关信息）
• j：后缀数字对应的新列名（此处为球员编号，可按需删除）
• sep：列名中前缀与后缀的分隔符（这里是_）
• suffix：匹配后缀的正则表达式，\\d+表示匹配一个或多个数字

若使用melt方法需要多步处理，wide_to_long更适配此类带规则后缀的场景。

内容的提问来源于stack exchange，提问作者Philo