如何在Pandas中无需指定列名实现双层列的melt操作？

方法：利用列的多层索引（MultiIndex）+ stack操作 #

你的DataFrame列是多层索引结构（上层是sub1/sub2...，下层是max/min/mean），可以直接通过stack和索引重置实现需求，完全不需要手动指定列名：

import pandas as pd

# 假设你的DataFrame为df，列是MultiIndex格式
# 1. 将Student设为索引，避免被后续转换影响
df_indexed = df.set_index('Student')

# 2. 把两层列索引转成行索引，对应每个(subX, type)的数值
stacked = df_indexed.stack(level=[0, 1])

# 3. 重置索引并整理列名到目标格式
result = stacked.reset_index(name='value')
result.columns = ['Student', 'Sub', 'type', 'value']

代码说明 #

• set_index('Student')：锁定Student列作为索引，防止被stack操作转换为行数据。
• stack(level=[0,1])：将列的两层索引（分组sub和类型type）依次转为行索引，让每一组(subX, type)对应一个具体数值。
• reset_index：把行索引转回普通列，给数值列命名为value，最后调整列名匹配你的期望输出。

样例输出验证 #

用你提供的测试数据执行后，会得到如下结构的结果：

适配单层列名的情况 #

如果原始DataFrame的列是单层格式（比如列名为sub1_max、sub1_min），可以先拆分列名生成MultiIndex，再执行上述操作：

# 拆分单层列名，生成双层索引
df.columns = pd.MultiIndex.from_tuples([col.split('_') for col in df.columns])
# 后续执行前面的stack流程即可

内容的提问来源于stack exchange，提问作者Selva