如何在Pandas DataFrame中为每个唯一ID生成对应的元素列表

你需要完成的是*宽表转长表（逆透视）*操作，常用工具的操作方案如下：

Excel 操作步骤 #

• 选中原始表格的全部数据区域
• 按下Alt + D + P 快捷键调出「数据透视表和数据透视图向导」
• 选择「多重合并计算数据区域」选项，点击下一步
• 选择「创建单页字段」选项，点击下一步
• 将你选中的原始数据区域添加到「所有区域」列表中，点击下一步
• 选择透视表的生成位置，点击完成
• 在生成的透视表中，双击右下角的总计单元格，系统会自动生成你需要的长表格式
• 后续根据实际需求调整列名即可

Python Pandas 操作方案 #

使用pandas内置的melt方法可以快速完成转换，示例代码如下：

import pandas as pd

# 读取原始表格数据，支持xlsx、csv等常见格式
df = pd.read_excel("你的原始表格路径.xlsx")

# 执行宽表转长表操作
# id_vars参数填写需要保留的固定维度列，例如品类、地区等
# var_name参数填写原表格表头转换后对应的列名，例如月份
# value_name参数填写原表格数值转换后对应的列名，例如销售额
res_df = df.melt(
    id_vars=["品类", "地区"],
    var_name="月份",
    value_name="销售额"
)

# 导出转换后的结果
res_df.to_excel("转换后表格.xlsx", index=False)

SQL 操作方案 #

如果数据存储在关系型数据库中，可以通过UNION ALL语句完成转换，示例代码如下：

SELECT 品类, 地区, '1月' AS 月份, `1月` AS 销售额 FROM 原始表
UNION ALL
SELECT 品类, 地区, '2月' AS 月份, `2月` AS 销售额 FROM 原始表
UNION ALL
-- 依次补充所有需要转换的月份列即可
SELECT 品类, 地区, '12月' AS 月份, `12月` AS 销售额 FROM 原始表

内容的提问来源于stack exchange，提问作者nuttychan