如何在保持分组求和结果不变的前提下将DataFrame月份列转单列

场景说明 #

你需要把包含April、May月份列的DataFrame转成月份单列的格式，同时确保按A列分组后Payment的求和结果和原表完全一致（比如A30FF的求和结果为1299）。

方法1：Pandas代码实现 #

如果用Python的Pandas处理，直接用melt函数就能完成列转行，且天然保证求和一致：

import pandas as pd

# 假设原数据框名为df，结构包含A、April、May列
# 执行列转行，指定A列为标识列，April/May为要转换的列
df_transformed = df.melt(
    id_vars=['A'], 
    value_vars=['April', 'May'], 
    var_name='Month',  # 新的月份列名
    value_name='Payment'  # 新的金额列名
)

# 若原表存在空值，可过滤掉Payment为空的行
df_transformed = df_transformed.dropna(subset=['Payment'])

处理后按A列分组求和Payment，结果就是原表中该A值对应的April+May数值和，完全符合要求。

方法2：Power Query（Excel/Power BI）操作 #

如果在BI工具或Excel里处理，直接逆透视不会影响求和，按以下步骤操作：

• 选中A列以及April、May列
• 切换到转换选项卡 → 点击逆透视列 → 选择逆透视其他列（或直接选中April、May后选逆透视列）
• 若存在空行，添加删除空行步骤过滤掉Payment为空的记录
  逆透视只是把列的数值拆成行存储，不会改变数值本身，分组求和结果和原表完全一致。

原理说明 #

不管用哪种方法，本质都是把原表中每个A值对应的April、May数值拆成独立行，分组求和时就是把这两个数值相加，和原表中该A值的April列值+May列值完全相等，自然能保证求和结果一致。

内容的提问来源于stack exchange，提问作者spiderrony