如何堆叠DataFrame的指定列并设置由堆叠索引标签生成的新索引名称

我来帮你一步步实现这个DataFrame的转换需求，同时处理开头可能存在的额外列，以及堆叠索引的名称设置：

1. 先明确核心需求 #

你需要把包含C、CF的宽格式DataFrame，转换为长格式：

• 将C、CF列的列名转为新列new index
• 将C、CF列的对应值转为新列new value
• 保留其他所有原有列（包括开头无需修改的列）
• 补全NO与C/CF的所有组合，缺失的new value用0填充
• 可以自定义堆叠索引的名称

2. 具体实现步骤 #

假设我们用pandas来完成，先模拟包含额外列的输入数据：

import pandas as pd

# 模拟输入DataFrame，包含额外的ID列（模拟开头无需修改的列）
df = pd.DataFrame({
    'ID': [1, 2],
    'C': [1, 2],
    'CF': [1, 1],
    'NO': [2, 1],
    'FROMNODENO': [582.551074, 809.018213],
    'TONODENO': [0, 0]
})

步骤1：用melt转换为长表

melt是pandas专门用于宽表转长表的工具，我们指定：

• id_vars：所有不需要转换的列（除了C、CF之外的列）
• value_vars：需要转换为行的列（C、CF）
• var_name：新生成的列名（对应原列名C/CF，即你要的new index）
• value_name：新生成的值列名（即你要的new value）

# 转换为长表
melted_df = df.melt(
    id_vars=[col for col in df.columns if col not in ['C', 'CF']],
    value_vars=['C', 'CF'],
    var_name='new index',
    value_name='new value'
)

步骤2：补全缺失的NO与new index组合

如果需要确保每个NO都对应C和CF的行（即使原数据中没有），我们可以通过构造完整的索引组合来补全，缺失值用0填充：

# 获取所有唯一的NO值和new index值
no_list = melted_df['NO'].unique()
index_list = ['C', 'CF']
# 提取需要保留的非转换列
other_cols = [col for col in melted_df.columns if col not in ['new value', 'new index']]

# 构造包含所有组合的完整MultiIndex
full_multi_index = pd.MultiIndex.from_product(
    [melted_df.set_index(other_cols).index.unique(), index_list],
    names=other_cols + ['new index']
)

# 重新索引补全缺失值，填充0
full_df = melted_df.set_index(other_cols + ['new index'])\
                   .reindex(full_multi_index, fill_value=0)\
                   .reset_index()

步骤3：调整列顺序为你需要的格式

按照你指定的列顺序new value、NO、FROMNODENO、TONODENO、new index（额外列放在最前面）：

# 定义最终列顺序
final_col_order = [col for col in full_df.columns if col not in ['new value', 'NO', 'FROMNODENO', 'TONODENO', 'new index']] + \
                  ['new value', 'NO', 'FROMNODENO', 'TONODENO', 'new index']

# 调整列顺序
final_df = full_df[final_col_order]

步骤4：设置堆叠索引的名称

如果需要将某些列设为堆叠索引并自定义名称，比如把NO和new index设为索引：

# 设置堆叠索引并指定名称
final_df = final_df.set_index(['NO', 'new index'], names=['NO', 'new index'])

# 如果你需要重置索引回到列的形式，直接用：
# final_df = final_df.reset_index()

3. 最终效果 #

运行完上述代码后，你就能得到符合需求的DataFrame，包括补全的0值行，以及正确的列顺序/索引名称。如果开头没有额外列，代码依然适用，id_vars会自动识别为NO、FROMNODENO、TONODENO。

内容的提问来源于stack exchange，提问作者user9187374