如何使用Pandas对含多国家列的CSV数据实现指定结构转换？

你要实现的是典型的宽表转长表场景，用melt()完全可以实现，不需要手动枚举所有国家列，核心是正确配置id_vars参数即可：

• 首先确认原始数据里的公共维度列：也就是除了150个国家列之外，你需要保留的固定维度字段，比如统计日期、指标名称、指标编码这类字段，只需要把这些字段配置到id_vars参数中，剩下的所有列会被melt()自动识别为要转成行的国家列。

代码示例1：已知公共维度列的列名 #

# 把列表里的字段替换成你实际的公共维度列名即可
result = reading.melt(
    id_vars=["统计日期", "指标名称", "指标编码"],
    var_name="国家", # 转换后存储国家名称的列名，可自定义
    value_name="统计值" # 转换后存储对应数值的列名，可自定义
)

代码示例2：仅知道公共维度列的位置 #

如果公共维度列都在表头的前N位，不需要知道具体列名也可以实现：

# 示例：前3列是公共维度列，后面所有列均为国家列
public_cols = reading.columns[:3]
result = reading.melt(
    id_vars=public_cols,
    var_name="国家",
    value_name="统计值"
)

可选优化 #

• 过滤无数据的空值条目：result = result.dropna(subset=["统计值"])
• 统一数值列的数据类型：result["统计值"] = pd.to_numeric(result["统计值"], errors="coerce")

之前melt()输出不符合预期基本都是id_vars参数配置错误，要么是误把国家列放进了保留维度，要么是没有正确指定转换后的列名，上述方案不需要手动处理任何国家列，适配150个甚至更多国家列的转换需求。

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