如何用Pandas将列转换为行？多年份销售数据重塑需求

步骤1：读取并预处理复合表头数据 #

原CSV的表头是两行（第一行年份、第二行指标），读取时要指定header=[0,1]识别多级列索引，同时用sep='\s+'处理空格分隔：

import pandas as pd

# 读取数据（替换成你的文件路径）
df = pd.read_csv('your_dataset.csv', sep='\s+', header=[0, 1])

# 统一指标列名的大小写（原数据里有SaleA大写，转成小写统一）
df.columns = df.columns.set_levels(df.columns.get_level_values(1).str.lower(), level=1)

步骤2：转换为目标长格式 #

先把Country设为索引，然后通过stack()把年份列（多级索引的第一层）“拆”成行，最后重置索引并整理列名：

# 转长格式
df_long = df.set_index('Country').stack(level=0).reset_index()

# 重命名列到目标格式
df_long.columns = ['Country', 'year', 'saleA', 'saleB']

运行后df_long的结构如下：

为什么直接用pd.melt失败？ #

因为原数据是多级列索引，普通melt无法识别年份和指标的层级关系，必须先通过stack()处理多级列，或者手动拆分列名后再melt，但上述方法更简洁。

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