如何将含Target/Source列的Pandas DataFrame重塑为长表

算力阿峰

2026-8-8

如何将Pandas DataFrame从宽表转换为带复合标识的长表格式？

实现方法

可以使用Pandas的melt()函数完成宽表到长表的转换，再通过字符串拼接生成复合标识列，具体代码如下：

import pandas as pd
import numpy as np

# 初始化原DataFrame
df = pd.DataFrame([[1001, 'A','C',0.2], [1004, 'D',np.nan,0.3],[1005, 'C','D',0.4], 
                   [1010, 'A','D',0.5]], columns=['CustomerNr','Target','Source','Percentage'])

# 1. 宽表转长表
df_melted = df.melt(
    id_vars=['CustomerNr', 'Percentage'],  # 保留的关联标识列
    value_vars=['Target', 'Source'],       # 需要转换为行的字段列
    var_name='Scope',                      # 转换后的字段名列
    value_name='Value'                     # 字段对应的值列
)

# 2. 生成复合标识列
df_melted['CustomerNr Scope'] = df_melted['CustomerNr'].astype(str) + ' ' + df_melted['Scope']

# 3. 调整列顺序并清理临时列
df_final = df_melted[['CustomerNr Scope', 'Value', 'Percentage']]

# 输出结果
print(df_final)

代码说明

melt()函数：核心是将Target和Source列“融化”为行维度，同时保留CustomerNr和Percentage作为每行的关联标识，保证数据对应关系不丢失。
复合标识列生成：将CustomerNr转为字符串后与Scope（原字段名Target/Source）拼接，生成目标格式的CustomerNr Scope列。
列顺序调整：重新排列列的顺序，完全匹配需求的长表结构。