Python行转列：请求Pandas melt/stack方法实现步骤指导

一、使用melt函数实现宽表转长表 #

melt是Pandas处理宽转长的核心工具，关键是明确不需要转换的标识符列和要展开的数值列。

示例操作 #

假设你的源数据是典型的宽表结构：

import pandas as pd

# 构造示例数据（对应你表格中的宽表格式）
df = pd.DataFrame({
    "姓名": ["张三", "李四"],
    "数学": [90, 78],
    "语文": [85, 92],
    "英语": [88, 80]
})

执行转换：

# id_vars：保留不变的列；var_name：原列名转换后的新列名；value_name：原列值对应的新列名
melted_df = df.melt(
    id_vars="姓名",
    var_name="科目",
    value_name="分数"
)

如果需要指定特定列转换，加上value_vars参数即可：

melted_df = df.melt(
    id_vars="姓名",
    value_vars=["数学", "语文"],  # 只转换这两列
    var_name="科目",
    value_name="分数"
)

二、使用stack函数实现转换 #

stack更适合处理带索引的表格，通过将列标签“堆叠”为行索引来实现宽转长。

示例操作 #

# 先将标识符列设为索引
df_indexed = df.set_index("姓名")
# 堆叠列标签到行，再重置索引转为DataFrame
stacked_df = df_indexed.stack().reset_index()
# 重命名列名匹配目标格式
stacked_df.columns = ["姓名", "科目", "分数"]

三、常见错误排查 #

• 未指定id_vars：会导致所有列被转换，丢失关键标识信息
• 列名不匹配：确保var_name和value_name与目标格式的列名一致
• 多层表头问题：如果源表有多层列标签，需要先通过df.columns = df.columns.map('_'.join)合并层级，再进行转换

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