如何将产品×周次宽格式销售数据集转换为指定结构的长格式数据集

这是典型的宽表转长表操作，主流数据分析工具的实现方案如下：

Python Pandas 实现 #

假设你读取后的原始数据框命名为df，产品编号（P1-P6）为数据框的行索引，列名为周次标识（W1-W52）：

import pandas as pd

# 把行索引转为产品编号列
df = df.reset_index(names="Product_Number")
# 调用melt完成宽转长
df_long = df.melt(
    id_vars="Product_Number",
    var_name="Time",
    value_name="Product_Sales"
)
# 可选：按周次、产品编号排序
df_long = df_long.sort_values(by=["Time", "Product_Number"], ignore_index=True)

R 实现 #

基于tidyverse生态的tidyr::pivot_longer实现，假设原始数据框命名为df，产品编号为行名：

library(tidyverse)

df_long <- df %>% 
  # 将行名转为产品编号列
  rownames_to_column("Product_Number") %>% 
  pivot_longer(
    cols = starts_with("W"),
    names_to = "Time",
    values_to = "Product_Sales"
  )

如果你的原始数据读取后产品编号已经是单独的列，仅需调整id_vars（Pandas）或指定id_cols（R）为对应的产品列名即可。

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