如何在Pandas中透视DataFrame并生成新列存储状态值

需求说明 #

需要将原始表格中的独立日期列（如1/1/2022）转换为Effective Date行值，对应状态值存入Status列，同时保留其余列的重复数据，实现宽表转长表的结构转换。

原始表格 #

目标表格 #

用户尝试的错误代码 #

import pandas as pd
import numpy as np

df = pd.read_csv(r'C:\Users\User\sample.csv')
df.pivot_table(columns=['Effective Date','First Name','Last Name','Date of Birth','Status','Start Date','End Date'],values=['1/1/2022','2/1/2022','3/1/2022','4/1/2022'], aggfunc=np.max)
df.head

正确实现方法 #

这里需要使用pd.melt()函数完成宽表转长表的操作（pivot_table适用于长表转宽表，不符合当前需求），具体代码如下：

import pandas as pd

# 读取原始数据
df = pd.read_csv(r'C:\Users\User\sample.csv')

# 定义不需要转换的固定列（标识列）
id_columns = ['ID', 'First Name', 'Last Name', 'Date of Birth', 'Start Date', 'End Date']

# 执行宽表转长表转换
result_df = df.melt(
    id_vars=id_columns,
    var_name='Effective Date',  # 将原日期列名存入该列
    value_name='Status'         # 将原日期列的状态值存入该列
)

# 查看转换结果
print(result_df)

代码说明 #

• id_vars：指定转换过程中保持不变、需要重复显示的列
• var_name：设置存储原日期列名的新列名称（即Effective Date）
• value_name：设置存储原日期列状态值的新列名称（即Status）

执行上述代码后，即可得到与目标表格结构完全一致的结果。

内容的提问来源于stack exchange，提问作者weva0121