如何将5×3的Pandas DataFrame转换为15×1格式？

针对你需要将多列DataFrame按列顺序堆叠成单列的需求，完全不需要多次调用append，这里有几种简洁且高效的实现方式，尤其适合数十列的场景：

方法1：一行搞定的stack() #

这是最简洁的写法，利用Pandas的层级索引转换能力，直接将所有列按顺序堆叠：

import pandas as pd

# 构造示例数据
df = pd.DataFrame([
    [1,2,3],
    [4,5,6],
    [7,8,9],
    [10,11,12],
    [13,14,15]
])

# 转换为单列DataFrame
single_col_df = df.stack().reset_index(drop=True).to_frame()

stack()会把每一列的元素依次转到行维度，生成带层级索引的Series，reset_index(drop=True)用来移除多余的层级索引，最后to_frame()可以把Series转回DataFrame格式。

方法2：灵活可控的pd.concat() #

如果需要更明确地控制列的拼接顺序（比如自定义堆叠顺序），可以用pd.concat遍历列进行拼接：

# 按指定列顺序拼接所有列
single_col_df = pd.concat([df[col] for col in df.columns], ignore_index=True).to_frame()

这种方式通过列表推导式遍历所有列，把每一列作为单独的Series传入pd.concat，ignore_index=True确保最终的索引是连续递增的。

方法3：通用型的melt() #

melt是Pandas处理宽表转长表的通用方法，也能实现这个需求：

# 转换后提取值列并重置索引
single_col_df = df.melt(value_name='data')['data'].reset_index(drop=True).to_frame()

melt会把所有列转为"变量-值"的结构，我们只需要提取值列即可得到目标单列数据。

性能说明 #

多次调用append的方式效率极低，因为每次append都会生成新的DataFrame，频繁的内存操作会导致处理大量列时速度骤降。上述三种方法都是批量操作，其中stack()的性能最优、代码最简洁；pd.concat()在需要自定义列顺序时更灵活。

内容的提问来源于stack exchange，提问作者Tim Starr