Pandas如何使用melt处理多列 实现宽表到指定结构长表转换

你的需求是按P1/P2/P3的分组逻辑，把同组的P/x/y三列从列转行，属于典型的带分组标识的宽转长场景，以下是基于melt逻辑的具体实现：

第一步：构造原始测试数据 #

先复现你给出的输入DataFrame：

import pandas as pd

df = pd.DataFrame({
    'id': ['_1', '_2'],
    'P1': ['a', 'd'], 'x1': [1, 4], 'y1': ['aa', 'dd'],
    'P2': ['b', 'e'], 'x2': [2, 5], 'y2': ['bb', 'ee'],
    'P3': ['c', 'f'], 'x3': [3, 6], 'y3': ['cc', 'ff']
})

方法1：纯melt基础操作实现 #

完全基于melt逆透视+透视调整的逻辑实现，步骤清晰可自定义：

# 对所有非id列做逆透视，转成(key, value)的长表格式
df_melted = df.melt(id_vars='id', var_name='raw_col', value_name='value')

# 拆分原始列名：末尾数字是P的序号，前面的字符是值类型（P/x/y）
df_melted['prob_no'] = df_melted['raw_col'].str[-1]
df_melted['value_type'] = df_melted['raw_col'].str[:-1]

# 按id和P序号做透视，把三类值展开成独立列
df_result = df_melted.pivot(
    index=['id', 'prob_no'],
    columns='value_type',
    values='value'
).reset_index()

# 整理字段格式和顺序，匹配输出要求
df_result['Probability'] = 'P' + df_result['prob_no']
df_result['id'] = df_result['id'].str.replace('_', '-') # 匹配示例里_转-的格式
df_result = df_result.rename(columns={'P': 'code', 'x': 'number', 'y': 'name'})
df_result = df_result[['id', 'Probability', 'code', 'number', 'name']].reset_index(drop=True)

执行后输出的结果和你给出的目标结构完全一致。

方法2：wide_to_long快捷实现（底层基于melt封装） #

如果你的列名规则统一（同组列前缀相同、末尾为数字序号），可以直接用pandas内置的wide_to_long方法，代码更简洁：

df_result = pd.wide_to_long(
    df,
    stubnames=['P', 'x', 'y'], # 同组列的前缀
    i='id', # 不需要转换的主键列
    j='prob_no', # 存储序号的列名
    suffix='\d+' # 匹配列名末尾的数字序号
).reset_index()

# 后续字段整理逻辑和方法1一致
df_result['Probability'] = 'P' + df_result['prob_no'].astype(str)
df_result['id'] = df_result['id'].str.replace('_', '-')
df_result = df_result.rename(columns={'P': 'code', 'x': 'number', 'y': 'name'})
df_result = df_result[['id', 'Probability', 'code', 'number', 'name']].reset_index(drop=True)

注：如果你的id不需要把_替换成-，删掉对应str.replace的代码行即可。

内容的提问来源于stack exchange，提问作者Ashish