如何用Python Pandas转换指定DataFrame？已试方法均报错求帮助

先模拟你的原数据结构（根据转换目标反推）：

import pandas as pd

# 模拟原宽表数据
df = pd.DataFrame({
    'Date': ['2023-01-01', '2023-01-02'],
    'A Value': [10, 20],
    'A Comment': ['Good', 'Better'],
    'B Value': [30, 40],
    'B Comment': ['OK', 'Great'],
    'C Value': [50, 60],
    'C Comment': ['Fine', 'Excellent']
})

按照以下步骤转换即可：

1. 用pd.melt将宽表转成基础长表，保留Date作为标识列：

melted_df = df.melt(id_vars='Date', var_name='Indicator_Type', value_name='Content')

2. 拆分Indicator_Type列，分离出指标名称（A/B/C）和数据类型（Value/Comment）：

melted_df[['Indicator', 'Type']] = melted_df['Indicator_Type'].str.split(' ', expand=True)

如果你的列名是下划线分隔（比如A_Value），把分隔符改成'_'即可

3. 用pivot将类型列转成目标列，再重置索引：

transformed_df = melted_df.pivot(index=['Date', 'Indicator'], columns='Type', values='Content').reset_index()

4. 清理索引名并调整列顺序：

transformed_df.columns.name = None
transformed_df = transformed_df[['Date', 'Indicator', 'Value', 'Comment']]

最终得到的transformed_df就是你需要的结构：

Date Indicator Value    Comment
0  2023-01-01         A    10       Good
1  2023-01-01         B    30         OK
2  2023-01-01         C    50       Fine
3  2023-01-02         A    20     Better
4  2023-01-02         B    40      Great
5  2023-01-02         C    60  Excellent

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