如何将Pandas特定DataFrame转换为索引为{列名_行索引}的Series？

完全不需要手动遍历单元格，Pandas有现成的内置方法可以快速实现需求，核心思路是利用堆叠（stack）操作配合索引重构：

步骤示例 #

假设你的原始DataFrame结构如下：

import pandas as pd

# 构造示例数据
df = pd.DataFrame(
    [[0.85, 0.92, 0.88], [0.03, 0.02, 0.04]],
    index=['mean', 'std'],
    columns=['completeness', 'homogeneity', 'label_f1_score']
)

方法一：简洁链式写法 #

# 堆叠列到内层索引，然后拼接索引级别生成目标格式
result_series = df.stack().rename(lambda idx: f"{idx[1]}_{idx[0]}")

方法二：分步清晰写法 #

如果觉得链式写法不够直观，可以拆成步骤：

# 1. 堆叠操作：将列转为内层索引，得到多层索引Series
stacked_series = df.stack()
# 2. 重构索引：把多层索引的「列名」和「行索引」拼接成目标格式
new_index = [f"{col}_{row}" for row, col in stacked_series.index]
# 3. 生成最终Series
result_series = pd.Series(stacked_series.values, index=new_index)

结果验证 #

最终得到的result_series结构如下：

completeness_mean      0.85
homogeneity_mean       0.92
label_f1_score_mean    0.88
completeness_std       0.03
homogeneity_std        0.02
label_f1_score_std     0.04
dtype: float64

内容的提问来源于stack exchange，提问作者moi