如何在Pandas中不使用pd.melt将列1-8堆叠到列0下方？

核心实现代码 #

假设你的DataFrame名为df，列名依次为列0到列8，直接用以下代码完成堆叠+空值清理：

import pandas as pd

# 初始化结果表为原列0的数据
final_df = df[["列0"]].copy()

# 遍历列1至列8，依次追加到结果表
for col in [f"列{i}" for i in range(1, 9)]:
    # 重命名当前列为列0后追加
    final_df = pd.concat([final_df, df[[col]].rename(columns={col: "列0"})], ignore_index=True)

# 删除含None/NaN的行
final_df = final_df.dropna(subset=["列0"])

为什么你用pd.melt会出错？ #

大概率是参数设置逻辑不对：

• 直接对全表用melt时，会默认保留所有非value_vars的列作为标识列，导致结果多出不必要的列
• 若未单独提取原列0数据，直接把列1-8melt后的数据拼接到列0，容易出现列名不匹配或索引混乱的问题

如果坚持要用pd.melt，可以这么写：

# 把列1-8转成单列
melted_cols = pd.melt(df, id_vars=[], value_vars=[f"列{i}" for i in range(1,9)], value_name="列0")
# 合并原列0和堆叠后的列
final_df = pd.concat([df[["列0"]], melted_cols[["列0"]]], ignore_index=True).dropna(subset=["列0"])

适配Tableau的额外提示 #

• 确保最终final_df的列名清晰（这里统一为列0，你可以改成业务相关名称，比如指标值）
• 若需要追踪每个值的原始来源列，可以在追加时添加标识列：

  final_df = pd.DataFrame(columns=["指标值", "来源列"])
  for col in [f"列{i}" for i in range(0,9)]:
      temp = df[[col]].rename(columns={col: "指标值"})
      temp["来源列"] = col
      final_df = pd.concat([final_df, temp], ignore_index=True)
  final_df = final_df.dropna(subset=["指标值"])
  

内容的提问来源于stack exchange，提问作者Zoey K