pandas如何将多列存储的等长列表拆分为单行单值结构

你需要实现的是典型的宽表逆透视为长表的操作，源数据结构如下：

目标输出结构如下：

以下是3种可直接复用的实现方式，先构造和示例完全一致的测试数据：

import pandas as pd
# 构造和示例匹配的源数据
df = pd.DataFrame({
    'Name': ['A', 'B', 'C'],
    'Maths': [92, 87, 95],
    'Science': [89, 94, 86],
    'English': [90, 85, 91]
})

方法1：使用melt()（最推荐，可读性最高） #

melt是pandas专为逆透视设计的API，参数语义清晰，是这类场景的首选方案：

result = df.melt(
    id_vars=['Name'], # 保留不做展开的标识列，存在多个标识列直接传列表即可
    var_name='Subject', # 原列名转换后对应的新列名
    value_name='Marks' # 单元格值转换后对应的新列名
)
# 按Name排序、重置索引，和示例输出顺序完全对齐
result = result.sort_values('Name', ignore_index=True)

输出结果和目标结构完全一致。

方法2：使用stack()（写法最简洁） #

stack是pandas的索引堆叠方法，通过将普通列转为行索引的方式实现长表转换，代码更简短：

# 先将标识列设为行索引，对剩余列做堆叠，最后重置索引还原为普通列
result = df.set_index('Name').stack().reset_index()
# 重命名列匹配目标结构
result.columns = ['Name', 'Subject', 'Marks']

方法3：使用wide_to_long()（适合复杂列名场景） #

如果你的列名带有固定规则（比如列名是Marks_Maths、Marks_Science这类带固定前缀的格式），可以用这个API做批量转换，简单场景也可兼容：

# 先给待展开列加统一前缀以匹配API规则
df_renamed = df.rename(columns={
    'Maths': 'Marks_Maths',
    'Science': 'Marks_Science',
    'English': 'Marks_English'
})
result = pd.wide_to_long(
    df_renamed,
    stubnames=['Marks'], # 要提取值的列名前缀
    i=['Name'], # 标识列
    j='Subject', # 列名后缀转换后的新列名
    sep='_',
    suffix=r'\w+'
).reset_index()

提示：如果源数据有多个需要保留的标识列（比如班级、学号等），只要把对应列名加入id_vars参数（melt/wide_to_long），或者设为多层索引（stack）即可，逻辑完全通用。

内容的提问来源于stack exchange，提问作者devansh