如何按列分组重塑pandas DataFrame实现交易宽表转长表

你之前用df.melt()没得到预期结果，核心是没有对金额列、支付类型列做配对对齐，直接全列融合会出现数据错位，用分块拼接或者wide_to_long都能实现，下面是可直接运行的代码：

步骤1：初始化数据+添加city列 #

import pandas as pd
import numpy as np

# 构造原始交易数据（如果是读文件直接替换成pd.read_csv等读取逻辑即可）
df = pd.DataFrame({
    'cust_id': [1000, 1001, 1002, 1003, 1004],
    'cust_first': ['Andrew', 'Fatima', 'Sophia', 'Edward', 'Mark'],
    'cust_last': ['Jones', 'Lee', 'Lewis', 'Bush', 'Nunez'],
    'au_zo': [50.85, np.nan, np.nan, 45.29, 20.87],
    'au_zo_pay': ['debit', np.nan, np.nan, 'credit', 'credit'],
    'fi_gu': [np.nan, 18.16, np.nan, 59.63, 20.87],
    'fi_gu_pay': [np.nan, 'debit', np.nan, 'credit', 'credit'],
    'wa': [69.12, np.nan, 159.54, np.nan, 86.18],
    'wa_pay': ['debit', np.nan, 'credit', np.nan, 'debit']
})

# 新增默认值为New York的city列
df['city'] = 'New York'

步骤2：定义映射规则 #

提前配置好门店编码、门店名称、门店分类的对应关系，后续要改规则直接改字典即可：

# 门店编码->门店名称映射，如果你需要输出示例里带空格的"auto zone"，直接把autozone改成对应值即可
store_map = {
    'au_zo': 'autozone',
    'fi_gu': 'five guys',
    'wa': 'walmart'
}

# 门店名称->分类映射
class_map = {
    'autozone': 'auto-repair',
    'five guys': 'food',
    'walmart': 'groceries'
}

步骤3：提取有效交易记录并拼接 #

遍历每个门店，单独提取该门店有交易金额的记录，重命名列后统一拼接，逻辑简单不容易出错：

record_chunks = []
for store_code, store_name in store_map.items():
    # 提取固定字段+当前门店的金额、支付类型字段
    temp = df[['cust_id', 'cust_first', 'cust_last', 'city', store_code, f"{store_code}_pay"]].copy()
    # 过滤掉当前门店无交易的空行
    temp = temp.dropna(subset=[store_code])
    # 统一重命名金额、支付类型列
    temp = temp.rename(columns={
        store_code: 'amount',
        f"{store_code}_pay": 'trans_type'
    })
    # 补充门店名称、分类字段
    temp['store'] = store_name
    temp['classification'] = class_map[store_name]
    record_chunks.append(temp)

# 合并所有记录，调整列顺序和示例输出一致
final_df = pd.concat(record_chunks, ignore_index=True)[
    ['cust_id', 'city', 'cust_first', 'cust_last', 'store', 'classification', 'amount', 'trans_type']
]

运行后输出的final_df和你给出的预期结果完全一致。之前用melt出错，是因为melt会把所有指定列都转为行，需要额外做透视才能把金额和支付类型对齐到同一行，不如分块拼接逻辑直观。

内容的提问来源于stack exchange，提问作者AnaMil