如何将日期为列的时间序列宽表转换为指定布局的DataFrame？

问题说明 #

现有DataFrame以地区名称为行、日期为列，需要转换为日期为行、地区名称为列的格式。原代码混合了Python与R语法，需修正适配Python环境。

当前数据布局 #

预期数据布局 #

修正后的Python代码 #

import pandas as pd

# 读取数据
map_df = pd.read_csv('https://raw.githubusercontent.com/GeorgeRobbin/GeorgeRobbin.github.io/main/Delinnquency_MAP.csv')

# 1. 将宽格式转为长格式（替换R语法为pandas原生方法）
melted_df = pd.melt(map_df, id_vars=['Name'], var_name='date', value_name='value')

# 2. 将长格式转为目标宽格式
target_df = melted_df.pivot(index='date', columns='Name', values='value').reset_index()

# 清理列名，匹配预期格式
target_df.columns.name = None

代码解释 #

• pd.melt()：把原数据中所有日期列（如2008-01）拆解为date列，保留Name作为标识列，对应数值存入value列，得到长格式中间数据。
• pivot()：以date作为行索引，Name作为列名，value作为单元格值，转换为目标宽格式。
• reset_index()：将date从索引转为普通列；columns.name = None移除列索引的名称，让最终结果和预期布局完全一致。

内容的提问来源于stack exchange，提问作者user20901436