如何重塑Pandas DataFrame，将多列转换为以time为列的宽表？

看起来你需要的是先将宽表转成长表，再将长表 pivot 成指定的宽表格式——你的尝试方向是对的，但melt的参数设置有误，导致没能得到预期结果。我们一步步来解决：

1. 先明确数据结构 #

首先，先把你的原始数据构建成可复现的DataFrame：

import pandas as pd

data = [
    [2960, 32863, 2086, 'CFA Ahmedabad', 29903, 1, 90],
    [2960, 32863, 2087, 'CFA Ahmedabad', 29903, 1, 90],
    [8090, 71453, 2086, 'CFA Bangalore', 79543, 2, 90],
    [8090, 71453, 2087, 'CFA Bangalore', 79543, 2, 90]
]

df = pd.DataFrame(data, columns=['Error', 'Fore', 'time', 'loc', 'qty', 'con', 'FA'])

2. 第一步：用melt转成长表 #

你之前的错误是只把loc作为id_vars，但**time也是需要保留的分组维度**，应该把它和loc一起放进id_vars里，同时把其他需要转成变量的列（Error、Fore、qty等）作为转换对象：

# 将除loc、time外的所有列转为「变量-值」对
melted_df = df.melt(id_vars=['loc', 'time'], var_name='var', value_name='value')

这时候得到的长表结构是：

3. 第二步：用pivot转成目标格式 #

接下来，我们把time转成列，loc和var作为行索引，最后重置索引并调整格式：

# pivot：将time转为列，loc+var作为行，value填充对应单元格
result = melted_df.pivot(index=['loc', 'var'], columns='time', values='value').reset_index()
# 去掉列索引的默认名称（我们不需要显示'time'）
result.columns.name = None

4. 可选：调整变量顺序匹配目标 #

如果需要让var的顺序和你给出的示例完全一致（qty→Fore→Error→con→FA），可以手动指定排序顺序：

# 定义想要的变量顺序
var_order = ['qty', 'Fore', 'Error', 'con', 'FA']
# 将var转为分类类型，指定顺序后排序
result['var'] = pd.Categorical(result['var'], categories=var_order, ordered=True)
result = result.sort_values(['loc', 'var']).reset_index(drop=True)

最终得到的结果就完全符合你的需求了：

为什么你的原代码没生效？ #

你之前的代码df = pd.melt(df, id_vars='loc', value_vars=var, value_name='time')有两个核心问题：

• 没有把time加入id_vars，导致丢失了时间维度与其他字段的关联；
• 把value_name设为time，完全搞反了逻辑——time是原数据中的一个维度列，应该作为分组依据，而不是值的名称。

内容的提问来源于stack exchange，提问作者nick