使用pandas将宽表转长表：后缀非末尾的处理建议

针对你的需求，由于_V0/_V1后缀并非固定在列名末尾，直接使用pd.wide_to_long会因为匹配不到正确的stubnames而失败，这里提供两种高效的处理方案，尤其适合大规模数据集：

方案一：重命名列统一后缀位置（推荐，效率更高） #

核心思路是先将所有列中的_V0/_V1后缀移动到列名末尾，让列名符合pd.wide_to_long的预期格式，再进行转换：

步骤1：重命名列，将_V0/_V1移至末尾 #

使用正则表达式替换，把任意位置的_V0/_V1调整到列名最后：

import pandas as pd

# 示例数据集（实际需替换为你的数据）
df = pd.DataFrame({
    'ID': [1, 2, 3],
    'ONOFF_LEVER_V0': [0, 1, 0],
    'ONOFF_LEVER_V1': [1, 1, 0],
    'LEDD_DOPA_V0_categ_1': ['low', 'medium', 'high'],
    'LEDD_DOPA_V1_categ_1': ['medium', 'high', 'low']
})

# 仅重命名包含_V0/_V1的列
rename_map = {
    col: col.replace(r'(.*)(_V[01])(.*)', r'\1\3\2', regex=True)
    for col in df.columns if '_V0' in col or '_V1' in col
}
df = df.rename(columns=rename_map)

重命名后，列名会变成：ID, ONOFF_LEVER_V0, ONOFF_LEVER_V1, LEDD_DOPA_categ_1_V0, LEDD_DOPA_categ_1_V1，所有_V0/_V1都在末尾。

步骤2：使用pd.wide_to_long转换 #

指定stubnames为目标变量名，处理visit列的转换：

# 宽转长，i为你的标识符列（比如ID）
long_df = pd.wide_to_long(
    df,
    stubnames=['ONOFF_LEVER', 'LEDD_DOPA_categ_1'],
    i='ID',
    j='visit',
    suffix='V[01]'
).reset_index()

# 将visit的V0/V1转为0/1
long_df['visit'] = long_df['visit'].str.replace('V', '').astype(int)

方案二：使用melt+字符串拆分（无需重命名） #

如果不想修改列名，可以先将宽表熔化为长表，再拆分变量名提取visit和目标字段：

# 第一步：熔化为长表
melted = df.melt(id_vars=['ID'], var_name='raw_var', value_name='value')

# 第二步：拆分raw_var列，提取变量名和visit
# 正则匹配任意位置的_V0/_V1，拆分出变量名主体和visit标识
melted[['prefix', 'visit', 'suffix']] = melted['raw_var'].str.extract(r'(.*?)_V([01])(.*)')
melted['var_name'] = melted['prefix'] + melted['suffix']
melted['visit'] = melted['visit'].astype(int)

# 第三步：转回宽表得到目标格式
long_df = melted.pivot_table(
    index=['ID', 'visit'],
    columns='var_name',
    values='value',
    aggfunc='first'
).reset_index()
long_df.columns.name = None  # 清除列名的层级名称

注意事项 #

• 确保数据集有唯一标识符列（如示例中的ID），否则转长后无法对应原始行数据。
• 若存在不包含_V0/_V1的列，需将其纳入id_vars参数中保留。

内容的提问来源于stack exchange，提问作者user1363251