如何根据起止年份自动生成年份列并转换DataFrame为长格式

以下实现基于pandas，无需手动枚举年份，自动适配所有行的时间区间，千行级数据处理无性能压力。

步骤1：导入依赖并加载数据 #

首先构造和示例一致的测试数据，实际使用时替换为你自己的DataFrame即可：

import pandas as pd

# 示例数据，实际使用替换为你的DataFrame
df = pd.DataFrame({
    'Var1': [1, 2, 3],
    'Var2': ['A', 'B', 'C'],
    'start': [2000, 1990, 2005],
    'end': [2022, 1995, 2006]
})

步骤2：自动生成二进制标记的宽格式表 #

代码会自动识别全数据集覆盖的最早、最晚年份，逐列生成1/0有效性标记：

# 自动识别数据集覆盖的完整年份范围
min_year = df['start'].min()
max_year = df['end'].max()
year_range = range(min_year, max_year + 1)

# 向量运算批量生成标记，比逐行循环效率高1~2个数量级
for year in year_range:
    df[year] = ((df['start'] <= year) & (df['end'] >= year)).astype(int)

执行完上述代码后，df就是需要的宽格式表，结构和给出的宽表示例完全一致。

步骤3：转换为目标长格式表 #

用pandas内置的melt方法一键转换，不需要额外处理：

df_long = df.melt(
    id_vars=['Var1', 'Var2'],
    value_vars=year_range,
    var_name='Year',
    value_name='Data_Availability'
# 按年份、Var1排序，和示例输出顺序对齐
).sort_values(by=['Year', 'Var1']).reset_index(drop=True)

注意事项 #

• 全程不需要手动配置年份列，后续如果数据里新增了更早/更晚的时间区间，代码会自动扩展年份范围
• 所有判断逻辑用pandas向量运算实现，哪怕是十万行级别的数据也能秒级完成处理
• 如果需要保留原start、end列，只需要在宽表阶段不删除这两列即可，转长表时把这两个字段加入id_vars列表就行

内容的提问来源于stack exchange，提问作者Mikin