如何在Pandas中实现数据帧列转行？附具体转换需求示例

嘿，这个转换其实很简单，Pandas有专门的工具来处理这种宽表转长表的场景，我给你两种实用的方法：

首先先把你的示例数据用代码还原出来，方便咱们测试：

import pandas as pd

# 构造原始数据帧
df = pd.DataFrame({
    'code': [123, 123, 123],
    'date': ['2019-01-01', '2019-01-01', '2019-01-01'],
    'tank': [1, 2, 3],
    'product': ['MS', 'HS', 'MS'],
    'time_frst': ['02:00:00', '02:30:00', '00:30:00'],
    'time_lst': ['10:00:00', '19:00:00', '22:00:00'],
    'qty_frst': [234, 200, 300],
    'qty_lst': [100, 50, 500]
})

方法一：用melt()批量转换（推荐，适合列名有规律的场景） #

melt()是Pandas专门用于宽表转长表的函数，能一次性匹配对应的时间和数量列：

# 核心转换代码
df_transformed = df.melt(
    # 指定不需要转换的固定列
    id_vars=['code', 'date', 'tank', 'product'],
    # 传入对应的列对：(时间列, 数量列)
    value_vars=[('time_frst', 'qty_frst'), ('time_lst', 'qty_lst')],
    # 临时列名（后续会删掉）
    var_name=['_time_type', '_qty_type'],
    # 目标列名
    value_name=['time', 'qty']
).drop(['_time_type', '_qty_type'], axis=1)

# 重置索引让结果更整齐
df_transformed = df_transformed.reset_index(drop=True)

方法二：拆分后拼接（逻辑更直观，新手友好） #

如果觉得melt有点绕，也可以把两次的记录分别提取出来，重命名列后拼接：

# 提取第一次的时间和数量数据，并重命名列
df_first = df[['code', 'date', 'tank', 'product', 'time_frst', 'qty_frst']].rename(
    columns={'time_frst': 'time', 'qty_frst': 'qty'}
)

# 提取第二次的时间和数量数据，并重命名列
df_last = df[['code', 'date', 'tank', 'product', 'time_lst', 'qty_lst']].rename(
    columns={'time_lst': 'time', 'qty_lst': 'qty'}
)

# 拼接两个数据帧，忽略原索引
df_transformed = pd.concat([df_first, df_last], ignore_index=True)

# 可选：按code、date、tank排序，让结果和你的示例顺序完全一致
df_transformed = df_transformed.sort_values(by=['code', 'date', 'tank']).reset_index(drop=True)

运行任意一种方法后，你就能得到和期望完全一致的数据帧啦！两种方法都能达到目的，如果你有更多类似的列对要转换，优先选方法一；如果逻辑想更清晰，方法二更合适。

内容的提问来源于stack exchange，提问作者Neil