如何将Pandas DataFrame从x行y列重构为1行x*y列格式？

问题场景 #

将x行y列的DataFrame转换为1行x*y列的格式，新列名规则为「原列名_行索引」。例如原DataFrame包含name、age等列，目标格式需把每行数据按name_0、age_0、name_1、age_1这样的列名合并为单行。

解决方案 #

针对你用df.unstack().to_frame().T得到多级列索引的问题，核心是合并多级列索引为单个字符串列名，以下是两种可行实现方式：

方法1：直接处理unstack后的多级列

import pandas as pd

# 构造示例DataFrame（行索引为自定义值）
df = pd.DataFrame(
    {'name': ['Alice', 'Bob', 'Charlie'],
     'age': [25, 30, 35],
     'city': ['NY', 'LA', 'Chicago']},
    index=[10, 20, 30]
)

# 1. 将行索引转为列的第二层级
stacked = df.unstack()
# 2. 合并多级列的两个层级，生成「原列名_行索引」格式的新列名
stacked.columns = [f"{col}_{idx}" for col, idx in stacked.columns]
# 3. 转换为单行DataFrame
result = stacked.to_frame().T

方法2：通过重置索引+重塑实现

如果对多级索引操作不熟悉，也可以用更直观的宽长转换流程：

# 1. 将行索引转为普通列（命名为row_idx）
df_reset = df.reset_index(names='row_idx')
# 2. 宽转长，拆分列名和对应值
melted = df_reset.melt(id_vars='row_idx', var_name='col_name', value_name='value')
# 3. 拼接生成新列名
melted['new_col'] = melted['col_name'] + '_' + melted['row_idx'].astype(str)
# 4. 长转宽，得到单行结果
result = melted.pivot(index=None, columns='new_col', values='value').reset_index(drop=True)

效果验证 #

两种方法最终生成的结果一致，示例输出如下：

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