如何将矩阵/表格格式数据集转换为table-list结构？

你需要完成的结构转换标准称谓是宽表转长表（也叫逆透视、Unpivot操作），核心逻辑是把横向排列的多个指标列（示例中的SP1/SP2/SP3），打平为「维度值-指标类型-指标值」的三行长表结构，目标效果参考下图：

以下是不同场景下可直接复用的实现方案：

方案1：Excel/WPS 无代码操作（适合中小规模数据） #

• 选中全部原始数据区域，点击顶部「数据」选项卡中的「从表格/区域」，将数据加载到Power Query编辑器
• 选中station列，右键点击选择「逆透视其他列」，编辑器会自动完成结构转换
• 将自动生成的「属性」列重命名为SP类别、「值」列重命名为对应数值，点击「关闭并上载」即可导出结果，支持百万行级数据稳定处理

方案2：Python Pandas 批量处理（适合大规模自定义数据集） #

核心调用pandas内置的melt逆透视函数即可，示例代码可直接复用：

import pandas as pd

# 此处替换为你自己的数据集读取逻辑，支持csv/excel/数据库等多种来源
# df = pd.read_excel("你的原始数据文件路径.xlsx")
df = pd.DataFrame({
    "station": [2,10,34,53,56,57,62],
    "SP1": [0,0,0,0,6,1,1],
    "SP2": [1,3,0,3,0,0,8],
    "SP3": [1,0,0,5,3,0,10]
})

# 执行逆透视转换
result = df.melt(
    id_vars="station",   # 指定保留、不做打平的维度列
    var_name="SP_type",  # 指定转换后的指标类别列名
    value_name="value"   # 指定转换后的数值列名
).sort_values(by=["station", "SP_type"]).reset_index(drop=True)

# 导出转换完成的结果
result.to_csv("转换完成的长表数据.csv", index=False)

运行后输出的结果和目标结构完全一致，哪怕原始数据有上百个SP指标列、数十万行数据，都可以秒级完成处理，不需要手动调整列规则。

方案3：SQL 数据库内直接转换（适合数据存储在数据库的场景） #

通过UNION ALL将多列指标逐列拆分为行记录即可，示例代码如下：

SELECT station, 'SP1' AS SP_type, SP1 AS value FROM raw_data_table
UNION ALL
SELECT station, 'SP2' AS SP_type, SP2 AS value FROM raw_data_table
UNION ALL
SELECT station, 'SP3' AS SP_type, SP3 AS value FROM raw_data_table
-- 存在更多SP指标列时，按照上述格式继续追加SQL段即可
ORDER BY station, SP_type;

内容的提问来源于stack exchange，提问作者Octopusea