使用Pandas将单行数据拆分为多行并生成两新列的技术求助

Pandas完全可以实现你要的单行转多行并填充新列的需求，下面结合常见场景给出具体方案：

场景模拟（对应说明图逻辑） #

假设你的原始数据格式如下（一行包含多组分数-科目对）：

目标是转成每行对应一组分数-科目，新增Score和Subject两列：

方案1：用wide_to_long（最简洁，适合列名带规律后缀） #

当你的列名是前缀+数字的规律格式时，wide_to_long是最优选择：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'ID': [1, 2],
    'Name': ['张三', '李四'],
    'Score1': [90, 78],
    'Subject1': ['数学', '英语'],
    'Score2': [85, 92],
    'Subject2': ['语文', '物理']
})

# 转换格式
result = pd.wide_to_long(
    df,
    stubnames=['Score', 'Subject'],  # 要保留的列前缀
    i=['ID', 'Name'],                # 作为分组标识的列（不参与拆分）
    j='temp_col',                    # 生成的临时后缀列名
    sep=''                           # 列名中前缀和数字的分隔符（这里无分隔符）
).reset_index(drop=True)  # 去掉临时列并重置索引

方案2：用melt（更灵活，适配无规律列名） #

如果你的列名没有统一的数字后缀，或者需要更灵活的匹配逻辑，可以用melt拆分后再合并：

import pandas as pd

# 构造示例数据（同上）
df = pd.DataFrame({
    'ID': [1, 2],
    'Name': ['张三', '李四'],
    'Score1': [90, 78],
    'Subject1': ['数学', '英语'],
    'Score2': [85, 92],
    'Subject2': ['语文', '物理']
})

# 拆分分数列
score_df = df.melt(
    id_vars=['ID', 'Name'],
    value_vars=['Score1', 'Score2'],
    var_name='score_col',
    value_name='Score'
)

# 拆分科目列
subject_df = df.melt(
    id_vars=['ID', 'Name'],
    value_vars=['Subject1', 'Subject2'],
    var_name='subject_col',
    value_name='Subject'
)

# 提取列名中的数字后缀，用于匹配对应行
score_df['suffix'] = score_df['score_col'].str.extract('(\d+)')
subject_df['suffix'] = subject_df['subject_col'].str.extract('(\d+)')

# 合并结果并保留需要的列
result = pd.merge(score_df, subject_df, on=['ID', 'Name', 'suffix'])[['ID', 'Name', 'Score', 'Subject']]

方案3：用stack（适合多级列名场景） #

如果你的原始数据列名是多级索引格式，或者可以转成多级索引，stack方法会更高效：

import pandas as pd

# 构造示例数据并设置多级列名
df = pd.DataFrame({
    ('ID', ''): [1, 2],
    ('Name', ''): ['张三', '李四'],
    ('Score', '1'): [90, 78],
    ('Subject', '1'): ['数学', '英语'],
    ('Score', '2'): [85, 92],
    ('Subject', '2'): ['语文', '物理']
})

# 堆叠多级列的第二层，转成多行
result = df.stack(level=1).reset_index(drop=True)

根据你的实际列名格式选择对应的方法即可，其中wide_to_long在列名有规律时最省心。

内容的提问来源于stack exchange，提问作者user111189