如何用pandas.melt()实现DataFrame列与Location元素的互换？

步骤1：构造测试数据（模拟你的场景） #

先创建并合并符合要求的3个DataFrame：

import pandas as pd

# 创建三个带Location字段的DataFrame
df_A = pd.DataFrame({'1': [10], '2': [20], '3': [30], '4': [40], 'Location': 'A'})
df_B = pd.DataFrame({'1': [15], '2': [25], '3': [35], '4': [45], 'Location': 'B'})
df_C = pd.DataFrame({'1': [12], '2': [22], '3': [32], '4': [42], 'Location': 'C'})

# 合并成cdf
cdf = pd.concat([df_A, df_B, df_C], ignore_index=True)

步骤2：两种实现列互换的方法 #

方法一：melt + pivot（通用且直观）

先转成长格式，再通过pivot重塑成目标宽格式：

# 转长格式，提取time、Location和对应值
melted = pd.melt(cdf, id_vars='Location', var_name='time', value_name='value')

# pivot得到目标格式：time为行，Location为列
result = melted.pivot(index='time', columns='Location', values='value').reset_index()
# 可选：移除列名的层级标签
result.columns.name = None

方法二：直接转置（更简洁）

利用索引转置一步到位：

# 将Location设为索引，转置后重置索引并重命名列
result = cdf.set_index('Location').T.reset_index().rename(columns={'index': 'time'})
# 可选：移除列名的层级标签
result.columns.name = None

最终结果示例 #

两种方法都会得到如下格式的DataFrame：

为什么你之前的方法出问题？ #

• 用pivot出现大量NaN：大概率是原始合并后的cdf中，某个time-Location组合存在缺失值，或者melt时未正确指定字段名导致数据匹配错误。按上面的标准构造流程，每个time对应每个Location都有唯一值，pivot不会产生NaN。
• 用pivot_table得到聚合结果：因为pivot_table默认会对重复值做聚合（比如mean），而你的场景中没有重复的time-Location组合，完全不需要聚合，所以用pivot就足够。

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