如何使用Python完成指定DataFrame宽表转长表的转换需求？

这个需求属于典型的宽表转长表场景，用pandas的melt方法可以快速实现，无需手写循环拆分逻辑。

依赖安装 #

如果环境还没装pandas，先执行安装命令：
pip install pandas

完整实现代码 #

import pandas as pd

def transform_follower_data(raw_df):
    # 核心转换：将粉丝数值列拆分为多行
    melted_df = raw_df.melt(
        # 保留不需要拆分的公共字段
        id_vars=['org', 'start date', 'stop date'],
        # 指定要拆分的两个粉丝数值字段
        value_vars=['organic follower', 'paid follower'],
        # 拆分后生成的类型字段名
        var_name='Follower Type',
        # 拆分后生成的数值字段名
        value_name='Follower Count'
    )
    # 格式化Follower Type的取值为要求的格式
    melted_df['Follower Type'] = melted_df['Follower Type'].replace({
        'organic follower': 'organic',
        'paid follower': 'paid'
    })
    # 调整字段顺序和需求要求完全一致
    melted_df = melted_df[['org', 'start date', 'stop date', 'Follower Type', 'Follower Count']]
    return melted_df

# 本地测试示例
if __name__ == "__main__":
    # 构造示例原始数据（对应提到的2条org为One的记录）
    test_raw_data = [
        {'org': 'One', 'organic follower': 1200, 'paid follower': 300, 'start date': '2024-01-01', 'stop date': '2024-01-31'},
        {'org': 'One', 'organic follower': 1500, 'paid follower': 450, 'start date': '2024-02-01', 'stop date': '2024-02-29'}
    ]
    raw_df = pd.DataFrame(test_raw_data)
    result_df = transform_follower_data(raw_df)
    # 打印结果验证
    print(result_df)

补充说明 #

• 运行测试代码后输出的结果就是要求的格式，每条原始记录会拆分为organic、paid对应的两条记录，字段完全匹配需求。
• 如果需要过滤粉丝数为空的无效记录，可以在转换逻辑最后添加melted_df = melted_df.dropna(subset=['Follower Count'])即可。

内容的提问来源于stack exchange，提问作者Krouse