如何在pandas中完成图示形式的数据合并操作

pandas数据格式转换实现方法 #

你要实现的是pandas中**宽表转长表（tidy格式）**的需求，对应有两种常用实现方式：

方法1：使用melt函数（最推荐，适配绝大多数场景）

假设你的原始数据示例结构如下：

要转换为「地区、月份、销售额」的长表结构，代码如下：

import pandas as pd

# 读取原始数据，可替换为read_csv等对应读取方法
df = pd.read_excel("你的原始数据路径.xlsx")

# 执行转换
result = df.melt(
    id_vars=["地区"],  # 不需要转换、保持固定的列
    var_name="月份",   # 原表头转换后对应的新字段名
    value_name="销售额" # 原单元格数值转换后对应的新字段名
)

方法2：使用stack函数（适合多层列名场景）

如果原始数据是多层列头的结构，用stack实现更便捷：

# 先把不需要转换的列设为索引
df = df.set_index(["地区"])
# 堆叠列索引后重置索引，即可得到长表结构
result = df.stack().reset_index()
# 按需重命名列
result.columns = ["地区", "月份", "销售额"]

结果验证

转换完成后可以执行print(result.head())查看前几行数据，确认是否符合预期格式。如果有多余列需要删除、或者字段名需要调整，可以直接调用drop、rename方法处理。

内容的提问来源于stack exchange，提问作者jumpincrane