Pandas如何将DataFrame宽表转换为指定格式的目标长表

你当前写的melt逻辑已经完成了宽表转长表的第一步，之所以没有得到目标格式，是因为没有把type_sale字段的两个枚举值（open/closed）展开为独立列，在现有代码基础上追加pivot转换即可，完整代码如下：

import pandas as pd
import numpy as np
pd.set_option('max_columns', None)

data = {
        'type_sale': ['open','closed'],
        'group_1': [20,10],
        'group_2': [20,10],
        'group_3': [20,10],
        'group_4': [20,10],
        'group_5': [20,10],
        'group_6': [20,10],
        'group_7': [20,10],
        'group_8': [20,10],
        'group_9': [20,10],
        'group_10': [20,10],
        }


df = pd.DataFrame(data, columns = ['type_sale',
                                   'group_1',
                                   'group_2',
                                   'group_3',
                                   'group_4',
                                   'group_5',
                                   'group_6',
                                   'group_7',
                                   'group_8',
                                   'group_9',
                                   'group_10',
                                   ])

# 核心转换逻辑
df1 = df.melt(id_vars=["type_sale"], var_name="groups") \
        .pivot(index="groups", columns="type_sale", values="value") \
        .reset_index() \
        .rename_axis(columns=None)

# 如需调整open、closed列的顺序，可追加以下代码
# df1 = df1[["groups", "open", "closed"]]

代码说明 #

• melt步骤和你原有逻辑一致，会生成包含type_sale、groups、value三列的长表，每个分组对应2行数据（分别对应当前open、closed的销售类型值）
• pivot步骤将行维度的type_sale值旋转为列维度，以groups作为行索引，匹配对应的value值
• reset_index()将作为索引的groups字段还原为普通数据列
• rename_axis(columns=None)用于清除列索引的多余名称，避免出现无意义的表头层级

转换后输出的表结构前3行示例：

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