pandas如何将ID非唯一的多列宽表重塑为单列长表

你原来的pd.wide_to_long代码无法得到预期结果的核心原因是：该函数要求i参数传入的列组合可以唯一标识每一行，而你的df1中ID列全部重复，不满足这个要求。你不需要额外结合unstack操作，用更适配的pd.melt函数就能快速实现需求。

方法1：使用pd.melt实现（推荐，逻辑更简单） #

import pandas as pd
import numpy as np

# 原始数据构造
df1 = pd.DataFrame({'ID':[110813,110813,110813,110813],
                   'DATE1':['2019-09-19','2020-05-20',np.nan,np.nan],
                   'DATE2':[np.nan,'2020-06-15',np.nan,'2019-10-24'],
                   'DATE3':[np.nan,'2020-07-20','2020-08-30',np.nan]})

# 转换逻辑
result = df1.melt(
    id_vars='ID',  # 保留ID列不变
    value_vars=['DATE1','DATE2','DATE3'], # 指定要转换的宽列
    value_name='DATE' # 转换后的值列命名为DATE
).dropna(subset=['DATE']) # 删掉日期为空的无效行
.sort_values('DATE') # 按日期升序排序
.drop(columns='variable') # 删掉多余的列名标识列
.reset_index(drop=True) # 重置行索引

运行后得到的result就是你需要的目标表结构。

方法2：如果你坚持使用wide_to_long实现 #

只需要先新增一个行唯一标识列即可：

df1['row_seq'] = df1.index
result = pd.wide_to_long(
    df1,
    stubnames='DATE',
    i=['ID','row_seq'], # 用ID+行序号组合作为唯一行标识
    j='DATE_TYPE'
).dropna()
.reset_index()
.sort_values('DATE')
[['ID','DATE']]
.reset_index(drop=True)

两种方法得到的结果完全一致。

内容的提问来源于stack exchange，提问作者Mazil_tov998