如何将含月份索引与年份表头的DataFrame转换为合并表头与索引作为新列名的单行DataFrame

这问题我熟，用pandas的话几步就能搞定，给你两种方案，按需选择：

简洁版（一行核心代码） #

先看最省事的写法，利用pandas的stack()和索引重命名快速转换：

import pandas as pd

# 构造你提供的示例DataFrame
data = {
    2021: [1,2,2,2,2,4,2,2,7,2,2,2],
    2020: [7,4,4,4,4,4,4,4,4,4,4,4],
    2019: [3,5,5,6,5,5,5,8,5,5,5,5]
}
index = ['jan','feb','mar','apr','may','jun','jul','aug','sep','oct','nov','dec']
df = pd.DataFrame(data, index=index)

# 核心转换逻辑
result = pd.DataFrame(df.stack().rename(lambda x: f"{x[1]}-{x[0]}")).T

步骤解释： #

• df.stack()：把原DataFrame的年份列"压缩"成行，生成一个带**多级索引（月份、年份）**的Series，每个元素对应「月份-年份-数值」的组合
• .rename(lambda x: f"{x[1]}-{x[0]}")：把多级索引的两个元素（年份是索引第2位，月份是第1位）拼接成年份-月份的格式，作为新的索引名
• .T：转置Series，将其转换为一行的DataFrame

分步理解版（适合新手） #

如果想更清晰地看到每一步的转换过程，可以用melt()方法拆分重组：

import pandas as pd

# 同样先构造示例DataFrame
data = {
    2021: [1,2,2,2,2,4,2,2,7,2,2,2],
    2020: [7,4,4,4,4,4,4,4,4,4,4,4],
    2019: [3,5,5,6,5,5,5,8,5,5,5,5]
}
index = ['jan','feb','mar','apr','may','jun','jul','aug','sep','oct','nov','dec']
df = pd.DataFrame(data, index=index)

# 步骤1：把月份索引转为普通列
df_with_month_col = df.reset_index().rename(columns={'index': 'month'})

# 步骤2：将年份列转为行，生成「月份-年份-数值」的长格式数据
melted = df_with_month_col.melt(id_vars='month', var_name='year', value_name='value')

# 步骤3：拼接年份和月份，生成目标列名
melted['target_col'] = melted['year'].astype(str) + '-' + melted['month']

# 步骤4：转换为一行的宽格式DataFrame
result = pd.DataFrame([melted.set_index('target_col')['value'].to_dict()])

两种方法最终都会生成你想要的、仅含一行且列名为年份-月份格式的DataFrame。

内容的提问来源于stack exchange，提问作者rubensch