如何使用Pandas重塑/堆叠两列数据？

嘿，我来帮你搞定这个Pandas数据重塑的问题，还有你提到的重复列名疑问～

首先，先明确你的核心需求：把宽表结构（每个产品一行，多列对应不同周的销售和单位）转换成长表结构（每个产品每周一行，对应该周的销售与单位）。下面分步骤给你解决方法：

一、先处理重复列名的问题 #

你提到用read_csv读取时，重复列名被自动命名为.1，这个是Pandas的默认行为，本身没有问题——它只是用来区分重复列名，避免列名冲突。但为了后续数据处理更清晰，建议手动把这些列名改成有意义的名称（比如给销售列加_Sales后缀，单位列加_Units后缀）。

处理方式两种： #

1. 读取CSV时直接指定列名（如果你知道原始列的含义）：

import pandas as pd

# 自定义列名，明确区分销售和单位
col_names = [
    'Product', 'Desc1', 'Desc2', 'Desc3',
    'Week1_Sales', 'Week2_Sales', 'Week3_Sales',
    'Week1_Units', 'Week2_Units', 'Week3_Units'
]
# 读取CSV，指定列名并把Product设为索引
df = pd.read_csv('your_data.csv', names=col_names, header=0, index_col='Product')

2. 读取后重命名列：
   如果已经读取了带.1后缀的数据，可以批量重命名：

# 假设原始列名是：Desc1, Desc2, Desc3, Week1, Week2, Week3, Week1.1, Week2.1, Week3.1
new_cols = ['Desc1', 'Desc2', 'Desc3']
# 处理销售列
new_cols += [f'{col}_Sales' for col in df.columns[3:6]]
# 处理单位列（把.1替换成_Units）
new_cols += [col.replace('.1', '_Units') for col in df.columns[6:]]
# 赋值新列名
df.columns = new_cols

二、核心：宽表转长表（实现你期望的结果） #

这里用Pandas的wide_to_long函数最方便，它专门针对这种「前缀+编号」的列名结构做重塑：

# 先把索引（Product）转回普通列，方便后续处理
df_reset = df.reset_index()

# 使用wide_to_long转成长表
result = pd.wide_to_long(
    df_reset,
    stubnames=['Week_Sales', 'Week_Units'],  # 列名的前缀部分
    i=['Product', 'Desc1', 'Desc2', 'Desc3'],  # 保持不变的列（行标识）
    j='Week',  # 提取出的周编号，会变成新列
    sep='_',  # 前缀和编号之间的分隔符
    suffix='\\d+'  # 匹配编号的正则（这里是数字）
)

# 重置索引，并重命名列成你想要的格式
final_result = result.reset_index().rename(columns={
    'Week_Sales': 'Sales (By Week)',
    'Week_Units': 'Units (By Week)'
})

运行后，final_result就完全符合你期望的结构：每个产品每周对应一行，包含描述列、当周销售和单位数据。

关于你尝试的多级索引方法 #

你之前的多级索引构建有小问题——iterables应该是两个层级的列表，而不是把所有列混在一起。如果想用多级索引实现，也可以这样做：

# 给原始列构建多级索引（区分Sales和Units层级）
multi_cols = pd.MultiIndex.from_tuples([
    ('Desc', 'Desc1'), ('Desc', 'Desc2'), ('Desc', 'Desc3'),
    ('Sales', 'Week1'), ('Sales', 'Week2'), ('Sales', 'Week3'),
    ('Units', 'Week1'), ('Units', 'Week2'), ('Units', 'Week3')
])
df.columns = multi_cols

# 把Week层级从列转成行
result = df.stack(level=1).reset_index().rename(columns={'level_1': 'Week'})

但相比之下，wide_to_long更贴合你的数据结构，代码也更简洁。

内容的提问来源于stack exchange，提问作者Julian