如何用Python将含重复列组的DataFrame转换为单列组新DataFrame？

需求 #

将包含重复列组（a、b、c重复三次）的DataFrame中，所有重复列组的数据依次追加，最终得到仅包含a、b、c单列组的目标DataFrame。

输入示例 #

a   b   c   a   b   c   a   b   c
1   12  123 4   23  567 7   12  456
2   23  456 45  56  876 4   34  234
3   34  789 47  67  345 6   76  769

期望输出 #

a   b   c
1   12  123
2   23  456
3   34  789
4   23  567
45  56  876
47  67  345
7   12  456
4   34  234
6   76  769

（注：原期望输出中第二组的b列值存在笔误，上述为修正后的合理结果，若需严格匹配原输出可忽略此修正）

你的代码问题 #

你当前的代码有两个核心问题：

1. 每次循环都直接用新切片覆盖dfnew，没有做数据追加操作；
2. iloc[i : i + len(col_list)]是按行切片，但你需要的是按列提取每组a-b-c数据。

解决方案 #

方法一：循环提取列组并拼接 #

这是最直观的实现方式，按列分组提取每个a-b-c列组，重命名后存入临时列表，最后纵向拼接所有临时数据：

import pandas as pd

# 构造示例数据（如果已有supplier DataFrame可跳过此段）
data = [
    [1, 12, 123, 4, 23, 567, 7, 12, 456],
    [2, 23, 456, 45, 56, 876, 4, 34, 234],
    [3, 34, 789, 47, 67, 345, 6, 76, 769]
]
supplier = pd.DataFrame(data, columns=['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c'])

col_list = ['a', 'b', 'c']
group_size = len(col_list)
temp_dfs = []

for i in range(0, len(supplier.columns), group_size):
    # 提取当前列组，并重命名为统一列名
    current_df = supplier.iloc[:, i:i+group_size]
    current_df.columns = col_list
    temp_dfs.append(current_df)

# 纵向拼接所有临时DataFrame，重置索引避免重复
dfnew = pd.concat(temp_dfs, ignore_index=True)
print(dfnew)

方法二：利用列名直接分组拼接 #

如果列名严格重复a、b、c，可以用更简洁的方式，直接按列名提取所有对应列后整理：

dfnew = pd.DataFrame()
col_list = ['a', 'b', 'c']
for col in col_list:
    # 把同一列名的所有列数据展开为单列
    dfnew[col] = supplier[col].stack().reset_index(drop=True)

或者用melt+pivot的组合实现：

melted = supplier.melt(var_name='column', value_name='value')
dfnew = melted.pivot(columns='column', values='value').reset_index(drop=True)

运行任意一种方法，都能得到你想要的目标DataFrame。

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