Pandas如何按日期为数据集中每个分类值新增对应行

你需要的是把按列存储分类的宽表转换为按行存储分类的长表，直接使用Pandas内置的melt方法即可快速实现，完整示例代码如下：

import pandas as pd

# 1. 读取你的原数据集，替换为你实际的读取路径即可
# df = pd.read_excel("你的数据集文件路径.xlsx")
# 下方为示例原数据构造代码，方便你验证效果可直接运行
df = pd.DataFrame({
    "date": ["2023-01-01", "2023-01-02", "2023-01-03"],
    "分类A": [10, 20, 30],
    "分类B": [15, 25, 35],
    "分类C": [20, 30, 40]
})

# 2. 执行转换操作
result_df = df.melt(
    id_vars="date",  # 填写不需要拆分、需要原样保留的列，有多个可以写为列表格式
    var_name="分类", # 拆分后存储分类名称的新列名，可根据你的需求修改
    value_name="数值" # 拆分后存储分类对应数值的新列名，可根据你的需求修改
)

# 3. 可选：按日期排序重置索引，符合常规查看习惯
result_df = result_df.sort_values("date").reset_index(drop=True)

# 4. 导出结果（按需使用）
# result_df.to_excel("转换后结果.xlsx", index=False)

内容的提问来源于stack exchange，提问作者Greg