Pandas DataFrame如何将带编号的指定列拆分为长格式行

直接使用Pandas原生的melt方法即可高效完成宽表转长表需求，该方法为向量化运算，针对你提到的数千行数据、上百个非目标列的场景性能完全足够，不需要额外写循环逻辑。

步骤1：筛选所有待拆分的带编号列 #

直接复用你现有的列名筛选逻辑即可，示例中匹配V开头的列，业务场景可替换为匹配包含Test Voltage的列：

# 示例筛选规则，可替换为实际业务的列名匹配逻辑
value_cols = [col for col in df.columns if col.startswith('V')]
# 业务场景使用的筛选规则：
# value_cols = [col for col in df.columns if 'Test Voltage' in col]

步骤2：确定不需要拆分的保留列 #

不需要手动逐个指定列，直接排除待拆分列即可，适配上百个非编号列的场景：

id_cols = [col for col in df.columns if col not in value_cols]

步骤3：执行宽转长操作 #

df_long = pd.melt(
    df,
    id_vars=id_cols,
    value_vars=value_cols,
    var_name='V Number', # 存储原列名的新增列
    value_name='V' # 存储原列取值的新增列
)

# 可选操作：如果需要单独提取编号数字（比如把V1转为数字1），可补充以下逻辑
df_long['V Number'] = df_long['V Number'].str.extract(r'(\d+)').astype(int)

转换后原有的A、B、X等非编号列的取值会自动映射到拆分后的对应行，你的示例数据转换后会从5行变为15行，完全符合需求，数千行规模的转换耗时在毫秒级。

内容的提问来源于stack exchange，提问作者DrAl