在Pandas中根据另一列值将多列熔转为单列的问题

我明白你的需求啦——就是要根据每行B列的数值，找到对应列名的列，然后取出那个位置的值，最终生成指定结构的DataFrame。下面给你几个可行的实现方案，包括你尝试过的melt方法的正确用法，还有更高效的专属方法：

首先先回顾下你的原始数据：

import pandas as pd
import numpy as np

# 你的原始DataFrame
df = pd.DataFrame([['alpha',1,2,3], ['beta', 4,5,6], ['gamma',4,8,9]], columns=['A','B', 1, 4])

对应的表格结构：

方法1：用df.lookup()（最直接的专属方法） #

lookup就是专门用来根据行索引和列索引匹配取值的工具，非常适合你的场景：

# 构造结果DataFrame
result = pd.DataFrame({
    'A': df['A'],
    'B': df['B'],
    'value': df.lookup(df.index, df['B'])
})

运行后就能得到你想要的结果：

方法2：用np.take_along_axis()（未来兼容的推荐方法） #

因为lookup在pandas的未来版本中有被弃用的计划，所以可以用更稳健的numpy方法实现：

# 提取所有需要匹配的数字列（这里是列名1和4的列）
num_columns = df.columns[2:]  # 或者直接写[1, 4]更明确

# 找到每行B值在num_columns中的位置索引
col_positions = np.where(num_columns == df['B'].values[:, None])[1]

# 根据位置提取对应的值
extracted_values = np.take_along_axis(df[num_columns].values, col_positions[:, None], axis=1).flatten()

# 组装结果
result = pd.DataFrame({
    'A': df['A'],
    'B': df['B'],
    'value': extracted_values
})

方法3：用melt实现（补上你没完成的步骤） #

你之前尝试melt没成功，应该是少了过滤匹配行的步骤，完整流程如下：

# 把宽表转长表，保留A、B列作为标识列
melted_df = df.melt(id_vars=['A', 'B'], var_name='match_col', value_name='value')

# 过滤出match_col和B列值相等的行，然后删除冗余列
result = melted_df[melted_df['match_col'] == melted_df['B']].drop('match_col', axis=1)

这个方法逻辑更直观，适合需要先查看所有可能匹配关系的场景。

这三种方法都能得到你想要的结果，你可以根据自己的习惯和pandas版本选择合适的方式~

内容的提问来源于stack exchange，提问作者bazinga