使用Python拆分聚合值至独立行并实现数据透视需求

要实现将聚合值拆分到独立行并完成透视，分三步处理即可：

1. 宽表转窄表 #

先把多日期列的宽表转换成包含计数的窄表，保留ID、type、日期和对应数值：

import pandas as pd
import numpy as np

# 假设原始数据已加载到df变量中
df_long = df.melt(id_vars=['ID', 'type'], var_name='date', value_name='count')
# 偏好janitor的话也可以这么写：
# df_long = df.pivot_longer(index=['ID', 'type'], names_to='date', values_to='count', sort_by_appearance=True)

2. 过滤无效记录 #

直接去掉计数为0的行，这些不需要生成对应记录：

df_filtered = df_long[df_long['count'] > 0]

3. 根据计数值重复行 #

用numpy.repeat高效生成重复行，最后清理多余列并重置索引：

df_result = df_filtered.loc[np.repeat(df_filtered.index, df_filtered['count'])]
df_result = df_result.drop('count', axis=1).reset_index(drop=True)

原代码问题说明 #

你之前的pivot_longer存在两个问题：

• names_pattern用了下划线匹配的正则，但原列名是空格分隔（比如Q1 24），正则不匹配；
• 只指定ID作为索引，没包含type，导致无法关联类型和对应计数。

内容的提问来源于stack exchange，提问作者Lynn