如何转换Python DataFrame，将行列标题合并为新列名并重构表格？

假设你提取到的第6个DataFrame（记为df6）原始结构如下：

想要得到的目标结构是：

实现步骤及代码 #

1. 清理冗余行：删除GROUP所在的行（索引0）

df6_cleaned = df6.drop(index=0)

2. 设置能源类型为索引：将首列（通常是Unnamed: 0）设为索引，并命名为energy_type，方便后续组合列名

# 定位首列并设为索引
df6_cleaned = df6_cleaned.set_index(df6_cleaned.columns[0])
df6_cleaned.index.name = "energy_type"

3. 重塑表格结构：通过「长表转宽表」的方式，把能源类型和分组组合成新列名

# 先转成长格式，拆分出能源类型、分组和对应值
df_melted = df6_cleaned.reset_index().melt(
    id_vars="energy_type",
    var_name="group",
    value_name="value"
)

# 组合生成新列名
df_melted["new_column"] = df_melted["energy_type"] + "_" + df_melted["group"]

# 转回宽格式，得到目标结构
df_final = df_melted.pivot(columns="new_column", values="value").reset_index(drop=True)

# 可选：将值转为数值类型（如果提取的是字符串）
df_final = df_final.apply(pd.to_numeric, errors="coerce")

补充说明 #

• 如果你的原始DataFrame列名不是Unnamed: 0，直接替换成实际列名即可
• 若GROUP行的索引不是0，根据实际情况调整drop(index=...)的参数
• 要是需要保留多组数据（比如多行值），可以保留index参数在pivot中，避免值被覆盖

内容的提问来源于stack exchange，提问作者user20275872