如何将ID关联的多组P/Q列数据转换为多行合并结构？

下面给你几种常用的实现方式，按需选择：

方法1：Excel Power Query（非编程用户首选） #

操作步骤很直观：

• 选中原始数据区域，点击「数据」选项卡 → 「从表格/区域」，导入Power Query编辑器
• 选中ID列，点击「转换」选项卡 → 「逆透视列」→ 「逆透视其他列」，此时会生成Attribute（原列名）和Value（对应值）两列
• 添加自定义列：用公式提取原列名的前缀和后缀，生成A列（比如= "PQ" & Text.End([Attribute], 1)）
• 再次调整结构：选中ID、A列，点击「转换」→ 「透视列」，值列选Value，列名选从原列名提取的前缀（P/Q）
• 最后关闭并上载，就能得到目标格式的表格

方法2：Python Pandas（编程用户适用） #

用代码批量处理更高效，示例如下：

import pandas as pd

# 构造原始数据（实际场景可替换为pd.read_excel/pd.read_csv读取数据）
df = pd.DataFrame({
    'ID': [1, 2, 3],
    'P1': [1, 10, 1],
    'P2': [2, 20, 2],
    'P3': [3, 30, 30],
    'Q1': [4, 40, 400],
    'Q2': [5, 50, 50],
    'Q3': [6, 60, 60]
})

# 宽表转长表，拆分列名的前缀和后缀
melted_df = df.melt(id_vars='ID', var_name='col', value_name='val')
melted_df['prefix'] = melted_df['col'].str[0]
melted_df['suffix'] = melted_df['col'].str[1]

# 透视重组P/Q列，生成最终结果
result_df = melted_df.pivot_table(
    index=['ID', 'suffix'],
    columns='prefix',
    values='val',
    aggfunc='first'
).reset_index()
result_df['A'] = 'PQ' + result_df['suffix']
result_df = result_df[['ID', 'A', 'P', 'Q']]

print(result_df)

方法3：SQL（数据库场景使用） #

如果数据存储在数据库中，直接用UNION ALL拆分每组Pn/Qn即可：

SELECT ID, 'PQ1' AS A, P1 AS P, Q1 AS Q FROM your_table
UNION ALL
SELECT ID, 'PQ2' AS A, P2 AS P, Q2 AS Q FROM your_table
UNION ALL
SELECT ID, 'PQ3' AS A, P3 AS P, Q3 AS Q FROM your_table
ORDER BY ID, A;

内容的提问来源于stack exchange，提问作者Neeko