如何将Pandas DataFrame宽表转换为日期-价格两列格式？

方法一：用pd.melt()（直观易上手） #

这是Pandas专门为宽表转长表设计的函数，逻辑清晰，适合新手：

import pandas as pd

# 读取数据，注意不要把Year设为索引（除非后续手动转回列）
df = pd.read_csv('matrix-A.csv')

# 将宽表拆解：Year作为标识列，Jan-Jun这些月份列转为"月份-价格"的行数据
melted_df = pd.melt(df, id_vars='Year', var_name='Month', value_name='Price')

# 拼接月份和年份，生成目标Date列
melted_df['Date'] = melted_df['Month'] + '-' + melted_df['Year'].astype(str)

# 只保留需要的两列并调整顺序
final_df = melted_df[['Date', 'Price']]

print(final_df)

方法二：用stack()（链式操作更简洁） #

如果习惯用链式写法，stack可以快速把列索引转为行层级：

import pandas as pd

df = pd.read_csv('matrix-A.csv')

# 链式操作：设Year为索引→转列行为行→重置索引→生成Date列
final_df = (
    df.set_index('Year')
    .stack()  # 把Jan-Jun列转为行的二级索引
    .reset_index(name='Price')  # 重置索引，把二级索引转为Month列
    .rename(columns={'level_1': 'Month'})
)

# 拼接成目标Date格式
final_df['Date'] = final_df['Month'] + '-' + final_df['Year'].astype(str)

# 保留所需列
final_df = final_df[['Date', 'Price']]

print(final_df)

你之前代码的问题 #

你之前直接拼接Year和不存在的Dec列，既没覆盖所有月份，也没对应上每行的价格，逻辑上走不通。上面两种方法都是Pandas原生的矢量化操作，比apply/agg效率高得多，不用手动循环处理每行。

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