如何移除数据日期分组 实现年月交叉宽表转长表（Excel/Python）

这是典型的宽表逆透视转长表需求，用Excel自带功能或者Python脚本都能快速实现，也支持批量处理多份同结构数据集。

方法一：Excel 可视化操作 #

无需写复杂公式，操作一次即可复用规则批量处理：

• 选中原始数据全部区域（包含表头），点击顶部菜单栏「数据」选项卡下的「从表格/区域」，将数据加载到Power Query编辑器。
• 选中Year（年份）列，右键点击选择「逆透视其他列」，操作后原横向排列的月份列会自动拆为两列：一列为月份标识（属性列），一列为对应年月的数值（值列）。
• 新增自定义列，把年份字段和转换为两位数字的月份字段拼接为YYYY-MM格式：如果表头是Jan（1月）这类带标注的格式，直接用替换规则把英文月份映射为对应数字即可。
• 删除原有年份列、月份属性列，把自定义列重命名为Date（日期），数值列重命名为Number（数值），调整列顺序后点击「关闭并上载」就能得到目标格式的表。
• 后续处理同结构文件时，只需要替换当前查询的数据源路径，点击刷新就能一键生成结果，不需要重复操作。

方法二：Python 批量处理方案 #

用pandas库处理效率更高，适合几十上百份文件的批量清洗场景：

1. 先安装依赖库，在终端执行命令：
   pip install pandas openpyxl
2. 单文件转换参考代码：

import pandas as pd

# 月份映射表，key和你原始表的月份表头保持一致即可
month_map = {
    "Jan（1月）": "01",
    "Feb（2月）": "02",
    "Mar（3月）": "03",
    "Apr（4月）": "04",
    "May（5月）": "05",
    "Jun（6月）": "06",
    "Jul（7月）": "07",
    "Aug（8月）": "08",
    "Sep（9月）": "09",
    "Oct（10月）": "10",
    "Nov（11月）": "11",
    "Dec（12月）": "12"
}

# 读取原始数据，csv格式文件换用pd.read_csv即可
df = pd.read_excel("你的原始数据文件路径.xlsx")

# 逆透视转换：保留年份列，其余月份列转为长表结构
df_long = df.melt(id_vars="Year（年份）", var_name="month_col", value_name="Number（数值）")

# 拼接生成标准年月日期列
df_long["Date（日期）"] = df_long["Year（年份）"].astype(str) + "-" + df_long["month_col"].map(month_map)

# 整理输出列顺序
result = df_long[["Date（日期）", "Number（数值）"]]

# 导出转换结果
result.to_excel("转换完成的结果.xlsx", index=False)

3. 批量处理多份文件时，只需要增加文件夹遍历逻辑，循环读取每个文件套用上述转换规则，最终可以选择把所有结果合并为一张表，或者按原文件名单独导出。

内容的提问来源于stack exchange，提问作者Ctw Quad