如何将Pandas DataFrame所有列合并为一列并保留索引

原始数据 #

我有一个结构如下的Pandas DataFrame（df1）：

目标格式 #

希望将其转换为以下纵向分组格式（首行仅为表格编辑需求，实际导出无表头），以便用df1.to_html()导出：

尝试过的方法 #

• 使用df1.T转置：结果接近但无法复制索引并调整列结构
• 使用df1.T.stack()：无法生成独立的索引序列
• 使用pd.wide_to_long：未取得预期进展
• 使用pd.melt(df1.T)：右侧值符合要求，但左侧丢失了需要重复的原列名索引

解决方案 #

可以通过转置、索引重置与重复拼接的组合操作实现需求，具体代码如下：

方法一：分步实现 #

import pandas as pd

# 构造原始DataFrame
df1 = pd.DataFrame({
    'Job': ['One', 'Two'],
    'Machine': ['Moon', 'Jupiter'],
    'command': ['sleep', 'python'],
    'Time': ['12:00', '13:00']
})

# 1. 转置并重置索引，将原列名转为第一列
transposed_df = df1.T.reset_index()

# 2. 重复索引标签（对应原DataFrame的行数）
attribute_col = transposed_df['index'].repeat(len(df1))

# 3. 提取所有值并转为一维数组
value_col = transposed_df.drop('index', axis=1).values.flatten()

# 4. 构建最终DataFrame
result_df = pd.DataFrame({'Attribute': attribute_col, 'Value': value_col})

# 导出为HTML（无表头、无索引）
html_output = result_df.to_html(header=False, index=False)

方法二：链式操作（更简洁） #

result_df = (df1.T
             .reset_index()
             .assign(index=lambda x: x['index'].repeat(len(df1)))
             .melt(id_vars='index', value_name='Value')
             .drop('variable', axis=1)
             .rename(columns={'index': 'Attribute'})
             .reset_index(drop=True))

生成的result_df完全匹配目标格式，导出的HTML也会和你需要的结构一致。

内容的提问来源于stack exchange，提问作者Demo