如何使用pandas.melt将宽格式差异对比DataFrame转为长格式？

针对你对比CSV得到的宽格式差异表，用pandas做行拆分重组就能转成目标长格式，比melt更适配你的数据结构——你的宽表是每3列一组对应一条长表记录（唯一ID、字段名、字段值），具体操作如下：

代码实现 #

import pandas as pd

# 读取宽格式文件：无表头，按空格分隔（如果是CSV就把delim_whitespace改成sep=','）
df = pd.read_csv('diff_wide.csv', header=None, delim_whitespace=True)

# 按每3列分组，对应(id, 字段名, 字段值)的结构
column_groups = [df.columns[i:i+3] for i in range(0, len(df.columns), 3)]

# 遍历每组列，转成子表后合并
long_table_parts = []
for cols in column_groups:
    # 取当前组的列，重命名并过滤空行
    sub_table = df[cols].dropna(how='all').rename(columns={cols[0]:'id', cols[1]:'field', cols[2]:'value'})
    long_table_parts.append(sub_table)

# 合并所有子表，清理空值后输出
final_long_table = pd.concat(long_table_parts, ignore_index=True).dropna()
final_long_table.to_csv('diff_long.csv', sep=' ', index=False, header=False)

效果验证 #

输入宽表：

0   1          2    3    4    5       6           7           8
694 label     lorem  
675 biography henry  675 text  lorem
708 text      foo    708 label bar    708         description ipsum 

运行后输出的长表：

694 label     lorem
675 biography henry
675 text      lorem
708 text      foo
708 label     bar
708 description ipsum

注意事项 #

• 如果原文件用逗号分隔，替换delim_whitespace=True为sep=','即可适配CSV格式。
• dropna()用来过滤宽表中未填满的空列产生的无效行，确保输出干净。

内容的提问来源于stack exchange，提问作者Paul Carlson