如何将含多组日期与值列的Pandas DataFrame重塑为长格式？

问题描述 #

现有如下格式的Pandas DataFrame：

import pandas as pd

data = [
    ["true","penguin","canary","01/01/2000","3","01/02/2000","10","01/03/2000", "4", "01/04/2000","181"],
    ["false","tiger","prod","02/01/2000","9","02/02/2000","101","02/03/2000","43","02/04/2000","11"]
]

df = pd.DataFrame(
    data,
    columns=[
       "status","team","env","date_1","value_1","date_2","value_2","date_3","value_3","date_4","value_4"])

希望将其转换为以下长格式表格：

尝试使用melt()、stack()和unstack()方法，仅通过df = df.melt(id_vars=["status", "team", "env"])得到了包含变量列（含date_1、value_1等）和值列的结果，未达到预期格式，寻求解决方法。

解决方案 #

方法1：使用pd.wide_to_long（最优适配） #

该方法专门针对前缀+编号的成对列（如date_1/value_1、date_2/value_2）设计，可一步完成转换：

# 转换为长格式
df_long = pd.wide_to_long(
    df,
    stubnames=["date", "value"],  # 列名的前缀部分
    i=["status", "team", "env"],  # 保留的标识列
    j="seq",  # 临时新增的编号列（后续可删除）
    sep="_"  # 前缀与编号的分隔符
).reset_index()

# 清理临时列并调整列名匹配需求
df_long = df_long.drop("seq", axis=1).rename(columns={
    "status": "Status",
    "date": "Date",
    "value": "Value"
})

# 按日期排序（可选，匹配示例顺序）
df_long = df_long.sort_values("Date").reset_index(drop=True)

运行后即可得到与预期完全一致的长格式表格。

方法2：基于melt的后续处理 #

如果坚持使用melt，可通过拆分变量列、再透视还原成对字段：

# 先执行melt得到基础长格式
melted = df.melt(
    id_vars=["status", "team", "env"],
    var_name="variable",
    value_name="value"
)

# 拆分变量列为「类型(date/value)」和「编号」
melted[["type", "seq"]] = melted["variable"].str.split("_", expand=True)

# 透视还原date和value的对应关系
df_long = melted.pivot(
    index=["status", "team", "env", "seq"],
    columns="type",
    values="value"
).reset_index().drop("seq", axis=1)

# 调整列名并排序
df_long = df_long.rename(columns={
    "status": "Status",
    "date": "Date",
    "value": "Value"
}).sort_values("Date").reset_index(drop=True)

此方法也能达成目标，但步骤更繁琐，优先推荐第一种方案。

内容的提问来源于stack exchange，提问作者John Henry Erikson