Pandas DataFrame哑变量逆透视：提取含x值的列转为行

没问题，咱们来搞定这个需求——把DataFrame中值为"x"的列名转成行，而且代码不用硬编码列名，能复用在其他类似结构的数据集上。你提到之前试了pd.melt和pd.pivot没成功，那咱们一步步来实现通用的解决方案。

先确认样例数据 #

你给出的样例DataFrame定义如下：

import pandas as pd

df = pd.DataFrame({
    'Process name': {0: 'Ad campaign', 1: 'Payroll'},
    'Line of business': {0: "Marketing", 1: "HR"},
    'Customer': {0: "x", 1: ""},
    'Potential customer': {0: "x", 1: ""},
    'Employee': {0: "", 1: "x"},
    'Vendor': {0: "x", 1: "x"}
})

对应的表格结构：

通用化解决方案（无需指定列名） #

要实现不依赖具体列名的转换，我们可以通过列索引位置来区分需要保留的标识列和需要逆透视的哑变量列，这样不管列名是什么，只要结构符合“前N列是标识列，后续是哑变量列”，代码都能直接复用。

步骤分解： #

1. 逆透视哑变量列
   假设前2列是需要保留的标识列（Process name和Line of business），后续所有列都是要转成行的哑变量列。用df.columns[:2]和df.columns[2:]来选择列，完全不用写具体列名：

   # 前2列作为保留的标识列，从第3列开始的所有列作为逆透视目标
   melted_df = df.melt(
       id_vars=df.columns[:2],
       value_vars=df.columns[2:],
       var_name='Data category'
   )
   

2. 过滤出含"x"的有效行
   移除没有标记"x"的空值行，只保留我们需要的记录：

   filtered_df = melted_df[melted_df['value'] == 'x']
   

3. 整理最终结果（可选）
   删掉多余的value列，再按Process name排序让结果更规整：

   final_df = filtered_df.drop('value', axis=1).sort_values('Process name').reset_index(drop=True)
   

最终输出结构 #

运行完上述代码后，final_df就会生成你期望的结构：

为什么之前的尝试可能没成功？ #

如果之前用pd.melt没得到正确结果，大概率是没区分好id_vars和value_vars，或者没过滤空值行；而pd.pivot是用来做“行转列”的透视操作，和咱们需要的“列转成行”的逆透视方向相反，所以不适用。

这个方案的优势在于完全基于列索引位置实现，如果你的其他数据集是前N列作为标识列，只需要把df.columns[:2]改成df.columns[:N]即可，灵活性拉满，能直接复用在不同的列组上。

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