pandas如何堆叠多列数据并按原始来源列生成对应匹配字段

原代码存在两个核心错误：

1. 实现逻辑偏差：np.select仅能在原宽表的单行维度赋值，而需求本质是宽表转长表——每个TestID对应3条不同科目的记录，宽表单行仅能存储1个TestDate值，无法承载三个科目的不同考试日期。
2. 判断条件失效：数据集中ELA/Math/Science列存储的是W/P/NI/A类成绩值，所有行的ELA列均不等于字符串'[]'，np.select按顺序优先命中第一个满足的条件，因此所有行都被赋值为第一个匹配值April 1。

pandas内置的melt方法专门用于这类列堆叠的宽长表转换场景，无需手动编写多条件判断，实现步骤：

• 调用melt保留无需拆分的TestID列，将三个科目列堆叠为两列：原科目列名存入TestName字段，对应成绩值存入Score字段
• 构建科目与考试日期的映射字典，通过字段映射快速生成TestDate列
• 调整列顺序、按需排序，匹配预期输出格式

完整实现代码：

import pandas as pd

# 完成成绩列堆叠，宽表转长表
df_long = df.melt(
    id_vars="TestID",
    value_vars=["ELA", "Math", "Science"],
    var_name="TestName",
    value_name="Score"
)

# 批量匹配对应考试日期
date_map = {"ELA": "April 1", "Math": "May 1", "Science": "June 1"}
df_long["TestDate"] = df_long["TestName"].map(date_map)

# 按TestID、科目排序，调整列顺序
df_long = df_long.sort_values(
    by=["TestID", "TestName"], 
    ignore_index=True
)[["TestID", "TestName", "TestDate", "Score"]]

运行后输出结果与预期完全一致，前6行示例：

TestID TestName TestDate Score
0  1005327      ELA  April 1     P
1  1005327     Math    May 1     P
2  1005327  Science  June 1     P
3  1020285      ELA  April 1    NI
4  1020285     Math    May 1     P
5  1020285  Science  June 1     W

内容的提问来源于stack exchange，提问作者Steve