如何在Pandas中将多行数据转为单行并按规则重命名列

需要将DataFrame的多行数据转换为单行（扁平化处理），并将列名修改为「原列名_行索引」的格式，实现数据形状从(4,4)转换为(1,16)。

现有DataFrame定义：

data = {"a":[3,4,5,6],
      "b":[88,77,66,55],
      "c":["ts", "new", "thing", "here"],
      "d":[9.1,9.2,9.0,8.4]}
df = pd.DataFrame(data)

当前DataFrame输出：

a   b   c       d
0   3   88  ts      9.1
1   4   77  new     9.2
2   5   66  thing   9.0
3   6   55  here    8.4

期望的单行输出：

a_0  a_1  a_2  a_3  b_0  b_1  b_2  b_3  c_0  c_1  c_2   c_3    d_0  d_1  d_2  d_3
0   3    4    5    6    88   77   66   55   ts   new  thing here   9.1  9.2  9.0  8.4

可以通过Pandas的层级索引操作实现需求，以下是两种简洁的实现方式：

方法一：分步操作（易理解） #

# 将原DataFrame转置后展开所有行，得到多层索引的Series
flat_series = df.T.unstack()
# 把多层索引合并为「原列名_行索引」格式的列名
flat_series.index = [f"{col}_{row_idx}" for col, row_idx in flat_series.index]
# 转换为单行DataFrame并重置索引
result_df = flat_series.to_frame().T

方法二：链式调用（简洁高效） #

result_df = (df
             .stack()
             .unstack(0)
             .rename(columns=lambda x: f"{x[0]}_{x[1]}")
             .T
             .reset_index(drop=True))

步骤说明： #

1. df.stack()：将原DataFrame的列转为行层级，生成一个以(行索引, 列名)为多层索引的Series
2. unstack(0)：将原行索引转为列，此时列名是(原列名, 原行索引)的元组
3. rename(columns=lambda x: f"{x[0]}_{x[1]}")：把列名元组重命名为「原列名_行索引」格式
4. .T.reset_index(drop=True)：转置后重置索引，最终得到形状为(1,16)的单行DataFrame

执行后result_df即为符合要求的输出。

内容的提问来源于stack exchange，提问作者Learner91