如何将Pandas DataFrame从宽格式转换为含X/Y评分的目标长格式？

方法一：使用pd.wide_to_long（推荐，简洁高效） #

wide_to_long是Pandas专门为这类带有前缀/后缀规律的宽表转长表设计的函数，直接匹配列名中的shape和评分类型：

import pandas as pd
import numpy as np

# 原始数据
data = [
    [1, "2022-04-29", 123, "circle", 1, 3, 6, 7.3],
    [1, "2022-02-10", 456, "square", 4, np.nan, 3, 9],
]

df = pd.DataFrame(
    data,
    columns=[
        "ID",
        "date",
        "code",
        "shape",
        "circle_X_rating",
        "circle_Y_rating",
        "square_X_rating",
        "square_Y_rating",
    ],
)

# 宽转长核心代码
result = pd.wide_to_long(
    df.drop(columns='shape'),  # 移除原shape列，从列名生成新的shape列
    stubnames=['X_rating', 'Y_rating'],  # 要保留的评分指标列
    i=['ID', 'date', 'code'],  # 作为主键的列
    j='shape',  # 从列名提取的新列名（circle/square）
    sep='_',  # 列名中前缀与后缀的分隔符
    suffix=r'\w+'  # 匹配后缀的正则（这里匹配X/Y）
).reset_index()

print(result)

输出结果：

ID        date  code    shape  X_rating  Y_rating
0   1  2022-04-29   123   circle       1.0       3.0
1   1  2022-04-29   123   square       6.0       7.3
2   1  2022-02-10   456   circle       4.0       NaN
3   1  2022-02-10   456   square       3.0       9.0

方法二：Melt + Pivot（直观易理解） #

如果需要更清晰的步骤，可以先将宽表转成极长格式，再拆分列名、重新透视：

# 1. 将所有评分列转成行
melted = df.melt(
    id_vars=['ID', 'date', 'code'],
    value_vars=['circle_X_rating', 'circle_Y_rating', 'square_X_rating', 'square_Y_rating'],
    var_name='shape_rating',
    value_name='rating'
)

# 2. 拆分列名，提取shape和评分类型（X_rating/Y_rating）
melted[['shape', 'rating_type']] = melted['shape_rating'].str.split('_', n=1, expand=True)

# 3. 透视表，将评分类型转回列
result = melted.pivot(
    index=['ID', 'date', 'code', 'shape'],
    columns='rating_type',
    values='rating'
).reset_index().rename_axis(None, axis=1)

print(result)

输出结果与方法一完全一致。

原尝试的问题说明 #

你之前的代码存在两个关键问题：

1. assign中错误地处理了shape列而非shape_for_rating列，导致无法正确匹配评分对应的shape
2. query("shape == shape")没有起到过滤作用（永远为真），所以保留了所有shape的评分，没有筛选出对应关系

内容的提问来源于stack exchange，提问作者user