如何在pandas中将列属性转换为行属性实现表格结构转换

核心逻辑是拆分原始数值列和zscore列，分别调整结构后按规则拼接排序，无需调用复杂的长宽表转换函数，逻辑直白易调整。

步骤1：读取/构造原始数据 #

首先确保原始数据读入后，第一列a.age被设为行索引，列名和示例匹配：

import pandas as pd

# 以下为示例输入数据，实际使用时替换为你的数据读取代码即可，比如pd.read_excel、pd.read_csv
df = pd.DataFrame(
    data=[
        [0.973257, 0.943649, 1.547537, 0.980226],
        [0.960501, 0.921949, -0.242228, 0.017680]
    ],
    index=pd.Index(['15-20', '21-34'], name='a.age'),
    columns=['829', '1030', '829_zscore', '1030_zscore']
)

步骤2：通用结构转换代码 #

以下代码无需硬编码列名，会自动识别带_zscore后缀的列，适配任意数量的数值分组列：

# 自动识别zscore列、对应的原始值列
zscore_cols = [col for col in df.columns if col.endswith('_zscore')]
raw_cols = [col.replace('_zscore', '') for col in zscore_cols]

# 提取原始值部分，保留原有行列结构
df_raw = df[raw_cols].copy()

# 调整zscore部分结构：列名对齐原始列，行索引加_zscore后缀
df_zscore = df[zscore_cols].copy()
df_zscore.columns = raw_cols
df_zscore.index = [f'{idx}_zscore' for idx in df_zscore.index]

# 纵向拼接两部分数据
df_res = pd.concat([df_raw, df_zscore], axis=0)

# 调整行顺序，保证同一年龄组的原始值、zscore值相邻
sort_order = []
for age_group in df.index:
    sort_order.extend([age_group, f'{age_group}_zscore'])
df_res = df_res.reindex(sort_order)

注：如果需要和示例里的15_20_zscore格式完全匹配（把年龄组里的-替换为_），只需要把生成zscore行索引的代码改成df_zscore.index = [f'{idx.replace("-", "_")}_zscore' for idx in df_zscore.index]，同步调整排序规则里的对应索引值即可。

结果验证 #

执行print(df_res)即可得到和期望完全一致的输出：

829      1030
a.age                            
15-20         0.973257  0.943649
15-20_zscore  1.547537  0.980226
21-34         0.960501  0.921949
21-34_zscore -0.242228  0.017680

如果需要把行索引a.age转回普通列，追加一行df_res = df_res.reset_index()即可。

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