如何对目标DataFrame执行Unpivot操作并忽略NaN值？

现有如下结构的DataFrame：

需要转换为以下结构的输出DataFrame（忽略所有NaN值）：

是否可以实现该转换？

完全可以实现，用Pandas的melt函数就能快速完成这种宽表转长表的操作，同时过滤掉NaN值。具体步骤如下：

1. 使用melt函数，指定id_vars为PRODUCTNUMBER（保留作为标识的列），将其他列转换为两列：PRODUCTCATEGORYHIERARCHYNAME（原列名）和PRODUCTCATEGORYNAME（原列对应的值）。
2. 过滤掉PRODUCTCATEGORYNAME为NaN的行。
3. 重置索引（可选，让结果更整洁）。

示例代码：

import pandas as pd

# 构造示例输入DataFrame
df = pd.DataFrame({
    "PRODUCTNUMBER": ["AD802309", "AD481076", "AD481137"],
    "Jerarquía principal": ["Medias-Hombre", pd.NA, "Medias-Hombre"],
    "Jerarquía secundaria marcas": ["ADIDAS", "Adidas", "Adidas"],
    "COT": [950699, 950699, 950699],
    "Ecommerce": [pd.NA, pd.NA, "Medias-Hombre"],
    "dabra-catalog": [pd.NA, pd.NA, "Medias-Hombre"],
    "Dexter-ecommerce": [pd.NA, pd.NA, "Medias-Hombre"],
    "Stockcenter-ecommerce": [pd.NA, pd.NA, "Medias-Hombre"]
})

# 执行转换
result_df = df.melt(
    id_vars="PRODUCTNUMBER",
    var_name="PRODUCTCATEGORYHIERARCHYNAME",
    value_name="PRODUCTCATEGORYNAME"
).dropna(subset=["PRODUCTCATEGORYNAME"]).reset_index(drop=True)

print(result_df)

执行上述代码后，得到的结果就和目标结构完全一致，且自动忽略了所有NaN值。

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