Pandas如何不使用循环实现宽DataFrame列转置/转换为行结构

你需要的操作是典型的宽表转长表重塑，不需要写循环，pandas原生的向量化接口pd.wide_to_long就是专门适配这种「列名由指标_标识格式组成」的场景，性能比逐股票循环拼接高数十到上百倍。

实现代码 #

直接调用接口即可，输出结构和你循环得到的结果完全一致：

# 核心转换逻辑，全程无Python层循环
agg_df = pd.wide_to_long(
    df,
    stubnames=["price", "volume"], # 固定的指标前缀，对应列名里下划线前的部分
    i="date", # 不需要拆分的固定标识列
    j="stock", # 从列名后缀拆分出的股票代码列名
    sep="_", # 指标和股票代码的分隔符
    suffix=".*" # 适配所有股票代码命名，包括你列表里开头带空格的" MSFT"这类异常值
).reset_index(drop=False)

# 可选：如果需要和你原循环的输出顺序完全一致（按股票、日期排序），加一行排序即可
agg_df = agg_df.sort_values(by=["stock", "date"]).reset_index(drop=True)

性能说明 #

你原来的循环写法效率低的核心原因是：

• 循环内反复调用DataFrame.append()，每次执行都会全量复制一次已拼接的DataFrame，随着股票数量增加，耗时会呈非线性上涨
• 所有操作都是Python层循环，没有用到pandas底层的C/NumPy向量化优化

pd.wide_to_long是底层实现的向量化操作，全程没有逐组遍历、逐次复制的开销，哪怕你有上千只股票、十万级别的日期行，也能在毫秒级完成转换。

注意事项 #

转换前建议先检查列名拼写，比如你给的样例里列名写的是price_AAPLE（多了一个E），但股票列表里是AAPL，这类拼写不一致会导致对应列匹配失败，提前统一命名即可。

内容的提问来源于stack exchange，提问作者FlyUFalcon