将带时间索引的多列Pandas DataFrame重塑为两列结构

针对你需要将带时间索引的多列DataFrame转换为原列名作为新索引、时间+数值为两列的需求，推荐使用Pandas内置的stack()方法，这是处理大数据量重复转换的高效方案。

示例代码 #

首先构造符合你示例的测试数据：

import pandas as pd

# 构造原始DataFrame（索引为时间列）
df = pd.DataFrame(
    {'p1': [1, 2, 3], 'p2': [4, 5, 6], 'p3': [7, 8, 9]},
    index=[1, 6, 11]
)
df.index.name = 'time'  # 为索引命名，便于后续处理

执行转换操作：

# 核心转换步骤
result = df.stack().reset_index()
# 重命名列并设置新索引
result.columns = ['time', 'new_index', 'vals']
result = result.set_index('new_index')

转换后得到的DataFrame与你的需求完全一致：

time  vals
new_index             
p1             1     1
p1             6     2
p1            11     3
p2             1     4
p2             6     5
p2            11     6
p3             1     7
p3             6     8
p3            11     9

高效性说明 #

• stack()是Pandas底层优化的向量操作，基于numpy数组实现，避免了Python循环的开销，处理大数据量时性能远优于自定义逻辑。
• 提前为原始DataFrame的索引命名（df.index.name = 'time'）可以减少后续列重命名的额外操作，进一步提升效率。
• 如果需要重复执行转换，确保原始DataFrame的索引和列数据类型统一（如数值型），避免类型转换带来的性能损耗。

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