Pandas如何按指定规则将DataFrame转换为单行结构

问题描述 #

现有如下结构的DataFrame（第一列为默认索引列，不需要参与处理）：

A       B       C
0       1       4       7   
1       2       5       8   
2       3       6       9   

需要转换为如下目标格式：

A    A-1    A-2    B    B-1    B-2    C    C-1    C-2
1    2      3      4    5      6      7    8      9

已知DataFrame.T转置是实现该需求的可行第一步，需要通过代码自动修改列名，将多行数据横向拼接为上述单行结构。

实现代码 #

import pandas as pd

# 构造示例源数据
df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6], 'C': [7,8,9]})

# 核心处理流程
# 1. 转置后将所有值展平为一维序列
flat_data = df.T.to_numpy().flatten()
# 2. 按规则批量生成新列名
new_cols = []
for col_name in df.columns:
    new_cols.append(col_name)
    for row_idx in range(1, df.shape[0]):
        new_cols.append(f"{col_name}-{row_idx}")
# 3. 生成目标单行DataFrame
result = pd.DataFrame([flat_data], columns=new_cols)

执行后输出的result完全匹配目标结构：

A  A-1  A-2  B  B-1  B-2  C  C-1  C-2
0  1    2    3  4    5    6  7    8    9

逻辑说明 #

• 转置操作后，原每一列的所有取值会按行排列，展平后即可得到按「A列所有值+B列所有值+C列所有值」顺序排列的一维数组，正好对应目标结构的行值顺序
• 列名生成逻辑完全适配源数据行数：每个原列名对应N个新列（N为源数据行数），第一个新列保留原列名，后续依次追加-1、-2后缀，源数据行数变化时不需要手动修改规则
• 最后将展平的一维数组包装为单行DataFrame，绑定生成好的列名即可得到结果

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