如何使用Python将数据集的多列表头转换为单独一列？

你需要的操作属于典型的宽表转长表（也叫逆透视/Unpivot/融合Melt），以下是两种常用场景的实现方法：

方案1：Python Pandas实现（适合大数据量、自动化场景） #

核心调用Pandas内置的melt方法即可完成转换，无需复杂逻辑：

• 第一步：先识别原始数据中不需要转换的固定维度列（例如批次号、产品编号、测试工位这类非日期列），如果没有特殊固定列可以留空
• 第二步：执行转换代码，示例如下：

import pandas as pd

# 读取原始数据，支持csv、excel等格式，按需修改读取方法
df = pd.read_csv("原始数据文件路径.csv")

# 填写固定维度列，无则填空列表 []
fixed_cols = ['批次号', '产品型号', '测试组别']

# 执行逆透视转换
res_df = df.melt(
    id_vars=fixed_cols,
    var_name="日期", # 转换后存储日期的列名
    value_name="Yield %" # 转换后存储良率的列名
)

# 可选：将日期列转为标准时间格式，可自定义年份避免混淆
res_df['日期'] = pd.to_datetime(res_df['日期'], format="%m/%d").apply(lambda x: x.replace(year=2024))

# 导出结果
res_df.to_csv("转换后良率长表.csv", index=False)

方案2：Excel Power Query实现（适合小数据量、无代码场景） #

用Excel内置的可视化功能即可完成，无需写公式：

• 选中原始数据区域，点击「数据」选项卡 → 「从表格/区域」，导入Power Query编辑器
• 按住Ctrl选中所有不需要转换的固定列，右键点击「逆透视其他列」
• 自动生成的两列默认名称为「属性」、「值」，分别重命名为「日期」、「Yield %」
• 点击「关闭并上载」即可将转换后的数据导出到Excel工作表

补充说明：如果原始数据的日期列下存在空值，转换后会保留空值行，可根据需求过滤：Python中执行res_df = res_df.dropna(subset=['Yield %'])，Excel中直接在Power Query里筛选掉Yield %列的空值即可。

内容的提问来源于stack exchange，提问作者BrOtis