如何将列格式时间序列数据转换为常规DataFrame？

你不需要遍历单元格，pandas内置的melt函数就是专门处理这种宽格式转长格式的场景，代码简洁且效率高。

具体代码实现 #

import pandas as pd

# 原始数据
df = pd.DataFrame({'id' : [1,2,3,4,5,6], 
                   'category' : [1,3,1,4,3,2], 
                   'day1' : [10,20,30,40,50,60], 
                   'day2' : [1,2,3,4,5,7], 
                   'day3' : [0,1,2,3,7,9] })

# 宽转长转换
result_df = df.melt(id_vars=['id', 'category'],  # 保留的标识列
                    value_vars=['day1', 'day2', 'day3'],  # 需要转换的列
                    value_name='day')  # 转换后的数值列名称

# 去掉自动生成的variable列（不需要的话执行此步）
result_df = result_df.drop(columns=['variable'])

print(result_df)

转换后结果 #

运行代码后得到的结果和你需求完全匹配：

id  category  day
0    1         1   10
1    2         3   20
2    3         1   30
3    4         4   40
4    5         3   50
5    6         2   60
6    1         1    1
7    2         3    2
8    3         1    3
9    4         4    4
10   5         3    5
11   6         2    7
12   1         1    0
13   2         3    1
14   3         1    2
15   4         4    3
16   5         3    7
17   6         2    9

参数说明 #

• id_vars：指定转换时保持不变的标识列，每个长表行会重复这些列的对应值
• value_vars：指定要被“拆解”成单行的目标列，这里就是所有以day开头的列
• value_name：设置转换后数值列的名称，对应你需要的day列

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