如何将Pandas DataFrame中的4列堆叠为2列？

原始数据 #

定义DataFrame：

import pandas as pd

df = pd.DataFrame({
    'date': ['2023-12-01', '2023-12-05', '2023-12-07'],
    'other_col': ['a', 'b', 'c'],
    'right_count': [4,7,9], 
    'right_sum': [2,3,5],
    'left_count': [1,8,5], 
    'left_sum': [0,8,4]
})

数据预览：

date other_col  right_count  right_sum  left_count  left_sum
0  2023-12-01         a            4          2           1         0
1  2023-12-05         b            7          3           8         8
2  2023-12-07         c            9          5           5         4

需求 #

将right_count、right_sum、left_count、left_sum四列转换为包含side（取值right/left）、count、sum的长表格式，保留date和other_col作为标识列。

解决方案1：使用pd.wide_to_long（最优） #

该方法专为带前缀/后缀的宽表转长表设计，代码高效简洁：

result = pd.wide_to_long(
    df,
    stubnames=['count', 'sum'],  # 列名的后缀部分
    i=['date', 'other_col'],     # 作为标识的列
    j='side',                    # 前缀对应的新列名
    sep='_',                     # 前缀与后缀的分隔符
    suffix='.*'                  # 后缀的匹配规则
).reset_index()

输出结果：

date other_col   side  count  sum
0  2023-12-01         a  right      4    2
1  2023-12-01         a   left      1    0
2  2023-12-05         b  right      7    3
3  2023-12-05         b   left      8    8
4  2023-12-07         c  right      9    5
5  2023-12-07         c   left      5    4

如果需要按date排序且right排在left之前，添加排序逻辑：

result = result.sort_values(
    by=['date', 'side'],
    ascending=[True, False]
).reset_index(drop=True)

解决方案2：使用melt+split+pivot #

若对wide_to_long不熟悉，可通过分步转换实现：

1. melt转长表：将目标列转为键值对格式

melted = df.melt(
    id_vars=['date', 'other_col'],
    value_vars=['right_count', 'right_sum', 'left_count', 'left_sum'],
    var_name='side_metric',
    value_name='value'
)

2. 拆分列名：从side_metric中拆分出side和metric

melted[['side', 'metric']] = melted['side_metric'].str.split('_', expand=True)

3. pivot转回宽表：将metric转为列，得到最终格式

result = melted.pivot(
    index=['date', 'other_col', 'side'],
    columns='metric',
    values='value'
).reset_index().rename_axis(None, axis=1)

此方法逻辑直观，同样可得到符合需求的结果。

内容的提问来源于stack exchange，提问作者corianne1234