如何将Polars DataFrame的分组列转换为单列并重构为长格式表？

实现步骤 #

• 提取所有以a_开头的列，通过melt转换为单列a，保持你需要的行顺序
• 用同样方法处理以b_开头的列，得到单列b
• 横向合并这两个单列DataFrame，得到最终的长格式结果

完整代码示例 #

import polars as pl

# 构造示例DataFrame（替换为你的实际数据）
df = pl.DataFrame({
    "a_0": [1, 4],
    "a_1": [2, 5],
    "a_2": [3, 6],
    "b_0": [7, 10],
    "b_1": [8, 11],
    "b_2": [9, 12]
})

# 生成a列：匹配所有a_*列并转成单列
a_col = df.select(pl.col("^a_.*$")).melt(value_name="a").select("a")
# 生成b列：匹配所有b_*列并转成单列
b_col = df.select(pl.col("^b_.*$")).melt(value_name="b").select("b")

# 合并得到长格式DataFrame
long_df = pl.concat([a_col, b_col], how="horizontal")

# 查看结果
print(long_df)

代码说明 #

• pl.col("^a_.*$")使用正则表达式精准匹配所有以a_开头的列，避免误选其他列
• melt()会按原列顺序，将每一行的多列值依次展开为多行，完全符合你要求的a_0[0], a_1[0], a_2[0], a_0[1],...的排列顺序
• 横向合并后，a和b列的行一一对应，保证数据关联正确

简洁链式写法 #

如果想简化代码，也可以写成链式调用：

long_df = pl.concat(
    [
        df.select(pl.col("^a_.*$")).melt(value_name="a").select("a"),
        df.select(pl.col("^b_.*$")).melt(value_name="b").select("b")
    ],
    how="horizontal"
)

内容的提问来源于stack exchange，提问作者DeltaIV