如何在Pandas中将指定列堆叠为新增行实现列转行

原始数据与目标结构 #

原始DataFrame #

目标DataFrame #

代码实现 #

方法一：多级列索引+转置重塑 #

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'Type': ['None'],
    'a_PORT': [20],
    'a_BENCH': [25],
    'a_ACTIVE': [18],
    'b_PORT': [30],
    'b_BENCH': [50]
})

# 移除无用的Type列
df = df.drop('Type', axis=1)

# 拆分列名为（分组标识，指标类型）的多级索引
df.columns = df.columns.str.split('_', expand=True)

# 转置后重置索引，再通过pivot重塑为目标结构
result = df.T.reset_index()
result.columns = ['Type', 'value']
result = result.pivot(index='Type', columns='level_1', values='value').reset_index()

# 清除列名的层级标签，空值替换为空字符串
result.columns.name = None
result = result.fillna('')

print(result)

方法二：melt拆分+ pivot重塑 #

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'Type': ['None'],
    'a_PORT': [20],
    'a_BENCH': [25],
    'a_ACTIVE': [18],
    'b_PORT': [30],
    'b_BENCH': [50]
})

# 移除无用Type列，将列转为行记录
df_melt = df.drop('Type', axis=1).melt(var_name='col', value_name='value')

# 拆分列名得到分组标识和指标类型
df_melt[['Type', 'Category']] = df_melt['col'].str.split('_', expand=True)

# 重塑为目标结构，处理空值
result = df_melt.pivot(index='Type', columns='Category', values='value').reset_index()
result.columns.name = None
result = result.fillna('')

print(result)

关键步骤说明 #

1. 清理无效列：原始Type列值为None，无实际分组意义，直接移除。
2. 拆分列名：通过下划线分隔列名，提取出分组标识（a/b）和指标类型（PORT/BENCH/ACTIVE）。
3. 重塑结构：利用转置+pivot或melt+pivot的组合，将原横向的分组指标转为纵向的分组行记录，同时将指标类型转为列。
4. 空值处理：用fillna('')将缺失的ACTIVE值转为空字符串，匹配目标格式。

内容的提问来源于stack exchange，提问作者xc120