如何实现左侧DataFrame向右侧格式转换？已尝试melt等函数未成功

假设你遇到的是宽表转长表的典型场景，以下用两种常见示例演示如何用melt、stack实现转换：

场景1：普通宽表转长表 #

原始DataFrame（左侧） #

目标格式（右侧） #

实现代码 #

用melt函数直接转换，指定需要保留的列（id_vars）、需要转成行的列（value_vars），以及新列的名称：

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'ID': [1, 2],
    'Name': ['Alice', 'Bob'],
    'Math': [85, 70],
    'English': [90, 82],
    'Science': [78, 88]
})

# 执行转换
result = df.melt(
    id_vars=['ID', 'Name'],
    value_vars=['Math', 'English', 'Science'],
    var_name='Subject',
    value_name='Score'
)

print(result)

场景2：多层列索引转长表 #

如果你的原始DataFrame带有多层列索引，用stack更合适：

原始DataFrame（左侧） #

目标格式（右侧） #

实现代码 #

import pandas as pd

# 构造带多层列索引的原始数据
df = pd.DataFrame(
    [[85, 92], [70, 78]],
    index=['Alice', 'Bob'],
    columns=pd.MultiIndex.from_tuples([(2020, 'Math'), (2021, 'Math')])
)

# 堆叠列索引（level=0指定堆叠最外层年份列），然后重置索引并重命名列
result = df.stack(level=0).reset_index()
result.columns = ['Name', 'Year', 'Math']

print(result)

核心逻辑总结 #

• 普通宽表转长表：优先用melt，核心是区分「不需要转换的列」和「需要转成行的列」
• 多层索引结构转换：用stack（列转行）或unstack（行转列），配合reset_index整理结构

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