如何在Pandas中转换归一化后的DataFrame列结构？

你需要把这种带编号的属性列（如attributes_0_color、attributes_1_pet）转换为每个属性对应一行的长格式DataFrame，以下是两种可行的实现方法：

方法一：使用melt + pivot #

这种方法步骤直观，适合理解数据重塑的过程：

import pandas as pd

# 构造你的原始DataFrame
df = pd.DataFrame({
    'id': [1, 2],
    'name': ['John', 'Bill'],
    'attributes_0_color': ['red', 'blue'],
    'attributes_0_pet': ['dog', 'cat'],
    'attributes_1_color': ['purple', 'orange'],
    'attributes_1_pet': ['parrot', 'hamster']
})

# 1. 将属性列转为长格式，保留id和name作为标识
melted = df.melt(id_vars=['id', 'name'], var_name='attr_col', value_name='value')

# 2. 拆分属性列名，提取编号和字段类型（color/pet）
melted[['_', 'attr_idx', 'field']] = melted['attr_col'].str.split('_', n=2, expand=True)
melted = melted.drop(columns=['_', 'attr_col'])

# 3. 重塑为目标格式
result = melted.pivot(
    index=['id', 'name', 'attr_idx'],
    columns='field',
    values='value'
).reset_index().drop(columns='attr_idx').sort_values('id').reset_index(drop=True)

print(result)

输出结果：

id   name   color      pet
0   1   John     red      dog
1   1   John  purple   parrot
2   2   Bill    blue      cat
3   2   Bill  orange  hamster

方法二：使用pd.wide_to_long #

这个方法专门针对带索引编号的宽格式列，代码更简洁，处理大数据效率更高：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'id': [1, 2],
    'name': ['John', 'Bill'],
    'attributes_0_color': ['red', 'blue'],
    'attributes_0_pet': ['dog', 'cat'],
    'attributes_1_color': ['purple', 'orange'],
    'attributes_1_pet': ['parrot', 'hamster']
})

# 重命名列，适配wide_to_long的格式要求：{字段名}_{编号}
df_renamed = df.rename(columns={
    'attributes_0_color': 'color_0',
    'attributes_0_pet': 'pet_0',
    'attributes_1_color': 'color_1',
    'attributes_1_pet': 'pet_1'
})

# 执行转换
result = pd.wide_to_long(
    df_renamed,
    stubnames=['color', 'pet'],
    i=['id', 'name'],
    j='attr_idx',
    sep='_'
).reset_index().drop(columns='attr_idx').sort_values('id').reset_index(drop=True)

print(result)

输出结果和方法一完全一致。

内容的提问来源于stack exchange，提问作者kunshabba