如何将宽格式数据重塑为时间序列/长格式并合并Date列？

Python Pandas 实现 #

假设你的数据框名为df，左侧为固定标识列（如编号、地区名），右侧是格式为1997年8月至2001年8月的日期列。

• 核心使用melt函数完成重塑：

import pandas as pd

# 替换'id_vars'里的内容为你实际的固定列名（多列用列表，如['ID', 'Region']）
df_long = df.melt(
    id_vars=['ID'],
    var_name='Date',
    value_name='Value'
)

# 将日期列转为标准日期格式（适配中文年月格式）
df_long['Date'] = pd.to_datetime(df_long['Date'], format='%Y年%m月')

# 若有缺失值，按需填充（示例填充为0）
df_long['Value'] = df_long['Value'].fillna(0)

原始宽表各日期列长度一致时，重塑后的长表会自动保持每行数据对齐，总长度为「固定列行数 × 日期列数量」。

R Tidyr 实现 #

假设数据框名为df，操作逻辑与Python一致：

• 核心使用pivot_longer函数完成重塑：

library(tidyr)
library(lubridate)

# 替换'-ID'为你的固定列名（多列用c(-ID, -Region)）
df_long <- df %>%
  pivot_longer(
    cols = -ID,
    names_to = 'Date',
    values_to = 'Value'
  )

# 转换为标准日期格式（适配中文年月格式）
df_long$Date <- ymd(df_long$Date, format = '%Y年%m月')

# 按需填充缺失值
df_long$Value <- replace_na(df_long$Value, 0)

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