如何将类透视表结构的DataFrame重塑为指定长表格式？

问题背景 #

我有一个类似透视表结构的DataFrame：

想要将其转换为以下长表格式：

尝试使用df.T转置后结果不符合预期，得到的是行列互换的结构，并非目标格式。

解决方案 #

使用Pandas的melt()方法实现宽表转长表，这是处理这类结构转换的标准方法，代码示例如下：

import pandas as pd

# 构造原始DataFrame（如果已有则跳过）
df = pd.DataFrame({
    'A': ['A1', 'A1'],
    'B': ['B1', 'B2'],
    '2022年12月': [100, 101],
    '2023年1月': [200, 201]
})

# 执行重塑
result_df = df.melt(
    id_vars=['A', 'B'],  # 保留作为标识的列，不参与融化
    var_name='月份（Month）',  # 原列名转为新列的名称
    value_name='数值（Value）'  # 原单元格值转为新列的名称
)

# 可选：按月份排序，匹配目标格式的顺序
result_df = result_df.sort_values('月份（Month）').reset_index(drop=True)

参数说明 #

• id_vars：指定不需要被转换的列，也就是需要保留的分组标识列（这里是A和B）。
• var_name：定义从原列名衍生出的新列的名称，对应目标中的“月份（Month）”。
• value_name：定义从原单元格值衍生出的新列的名称，对应目标中的“数值（Value）”。

执行上述代码后，即可得到完全符合需求的DataFrame结构。

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