求助：将多行多列Pandas DataFrame转换为单行多列时出错

先重现你的原始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'time': ['2020-01-01', '2020-01-02', '2020-01-03'],
    'val1': [1, 2, 3],
    'val2': [4, 5, 6]
})

你用pivot报错的原因是：pivot需要明确指定index、columns、values三个核心参数，且这些参数得是单一列名/标量，不适合直接把所有数值平铺成一行的场景。如果错误传入多列或数组，就会触发「数组真值不明确」的报错。

下面是几种可行的解决方案：

方法1：直接提取值重塑（最简洁） #

直接提取数值列的所有值，平铺成一维数组后重新构造DataFrame：

# 提取val1、val2的所有值并按顺序平铺
flat_values = df[['val1', 'val2']].values.flatten()
# 生成目标DataFrame，自定义列名
new_df = pd.DataFrame([flat_values], columns=[f'val{i+1}' for i in range(len(flat_values))])

执行后得到的结果完全符合需求：

val1  val2  val3  val4  val5  val6
0     1     2     3     4     5     6

方法2：melt + unstack（适合复杂扩展场景） #

如果后续有更多列需要处理，可先转窄表再重新展开：

# 将val1、val2转为行记录
melted = df.melt(id_vars='time', value_vars=['val1', 'val2'], value_name='value')
# 按列名、时间排序，保证val1的三个值在前，val2的在后
melted = melted.sort_values(['variable', 'time'])
# 将值转为一行并命名列
new_df = pd.DataFrame([melted['value'].values], columns=[f'val{i+1}' for i in range(len(melted))])

方法3：stack + 转置 #

通过堆叠列生成Series，再转置为行：

# 堆叠val1、val2列，得到包含所有值的Series
stacked = df[['val1', 'val2']].stack()
# 转置为行结构并重置列名
new_df = stacked.reset_index(drop=True).to_frame().T
new_df.columns = [f'val{i+1}' for i in range(new_df.shape[1])]

内容的提问来源于stack exchange，提问作者Sadcow