如何处理用户访问DataFrame：将大于0的值替换为列名并生成按日期的用户列表

开发者阿泽

2026-8-18

解决方案

可以用Pandas的melt或stack方法快速实现需求，以下是两种简洁的实现方式：

方法一：使用`melt`重塑数据

先将宽表转为窄表，再筛选有效访问记录，最后整理成目标格式：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Codes': ['A1AA', 'A1BB', 'A1CC', 'A2DD', 'A1EE', 'A1AA'],
    '2022-09-04': [1, 0, 5, 0, 0, 0],
    '2022-09-03': [0, 0, 0, 5, 1, 0],
    '2022-09-02': [0, 2, 0, 0, 0, 1]
})

# 宽表转窄表，拆分日期和访问次数
melted_df = df.melt(id_vars='Codes', var_name='Dates', value_name='Visits')
# 筛选访问次数>0的记录，保留目标列
result = melted_df[melted_df['Visits'] > 0][['Dates', 'Codes']]
# 按日期降序排序，匹配预期输出顺序
result = result.sort_values('Dates', ascending=False).reset_index(drop=True)

print(result)

输出结果：

Dates Codes
0  2022-09-04  A1AA
1  2022-09-04  A1CC
2  2022-09-03  A2DD
3  2022-09-03  A1EE
4  2022-09-02  A1BB
5  2022-09-02  A1AA

方法二：使用`stack`快速处理

利用stack将列转成行，自动压缩无效记录：

import pandas as pd

# 构造示例数据并将Codes设为索引
df = pd.DataFrame({
    'Codes': ['A1AA', 'A1BB', 'A1CC', 'A2DD', 'A1EE', 'A1AA'],
    '2022-09-04': [1, 0, 5, 0, 0, 0],
    '2022-09-03': [0, 0, 0, 5, 1, 0],
    '2022-09-02': [0, 2, 0, 0, 0, 1]
}).set_index('Codes')

# 转置列索引为行，筛选有效访问记录，重置索引并调整列名
result = df.stack()[df.stack() > 0].reset_index()
result.columns = ['Codes', 'Dates']
# 调整列顺序并排序
result = result[['Dates', 'Codes']].sort_values('Dates', ascending=False).reset_index(drop=True)

print(result)

输出与方法一完全一致。