Pandas按日期melt DataFrame后值全为NaN的解决方法

嘿，我一眼就看出问题所在了——你在value_vars里用了pd.date_range生成的Timestamp对象，但你的DataFrame里的日期列名其实是字符串格式（比如"1/22/20"），这俩类型完全不匹配，导致melt找不到对应的列，自然所有值都变成NaN啦！

问题根源拆解 #

你的原DataFrame日期列名是字符串格式（如"1/22/20"），但pd.date_range('1/22/20', '3/18/20', freq='D')生成的是Timestamp对象（比如2020-01-22 00:00:00）。两者类型不兼容，melt无法匹配到对应列，所以返回的Total_Count全是缺失值。

两种修复方案（任选其一即可） #

方法1：直接复用DataFrame中现有的日期列名（推荐）

不用手动生成日期范围，直接提取原DataFrame里除Country之外的所有列作为value_vars，绝对不会出现匹配错误：

import pandas as pd

def meltDataFrame(df, id_vars, value_vars, var_name, value_name):
    return pd.melt(df, id_vars=id_vars, value_vars=value_vars, var_name=var_name, value_name=value_name)

# 提取原DataFrame中的日期列名（排除Country列）
date_columns = data_df.columns[data_df.columns != 'Country']
# 执行melt转换
data_df_melt = meltDataFrame(data_df, ['Country'], date_columns, 'Date', 'Total_Count')
# 可选：将Date列转换为datetime类型（方便后续时间序列分析）
data_df_melt['Date'] = pd.to_datetime(data_df_melt['Date'])

方法2：将生成的日期范围转换成和原列名一致的字符串格式

如果你一定要手动指定日期范围，需要把pd.date_range生成的Timestamp转换成和原列名相同的字符串格式（比如"1/22/20"）：

import pandas as pd

def meltDataFrame(df, id_vars, value_vars, var_name, value_name):
    return pd.melt(df, id_vars=id_vars, value_vars=value_vars, var_name=var_name, value_name=value_name)

# 生成日期范围并转换成和原列名一致的字符串格式
date_range = pd.date_range('1/22/20', '2/22/20', freq='D').strftime('%m/%d/%y')
# 执行melt转换
data_df_melt = meltDataFrame(data_df, ['Country'], date_range, 'Date', 'Total_Count')
# 可选：转换为datetime类型
data_df_melt['Date'] = pd.to_datetime(data_df_melt['Date'])

测试验证 #

我们用模拟数据测试一下方法1的效果：

# 模拟测试数据
data_df = pd.DataFrame({
    'Country': ['US', 'Australia'],
    '1/22/20': [10, 5],
    '1/23/20': [15, 7]
})

# 应用修复后的代码
date_columns = data_df.columns[data_df.columns != 'Country']
data_df_melt = meltDataFrame(data_df, ['Country'], date_columns, 'Date', 'Total_Count')
data_df_melt['Date'] = pd.to_datetime(data_df_melt['Date'])

print(data_df_melt)

输出结果：

Country       Date  Total_Count
0        US 2020-01-22           10
1  Australia 2020-01-22            5
2        US 2020-01-23           15
3  Australia 2020-01-23            7

完美解决了NaN问题！

内容的提问来源于stack exchange，提问作者Sercan Noyan Germiyanoğlu