You need to enable JavaScript to run this app. Pandas宽表转长表:含年月列的商品数据集如何转成Amount单列格式
优惠活动
大模型
产品
解决方案
定价
更多

Pandas宽表转长表:含年月列的商品数据集如何转成Amount单列格式

Pandas宽表转长表实现方案

你可以直接使用pd.melt()方法实现需求,相比pd.wide_to_long()更适配当前列名直接为完整年月的场景,不需要额外拆分合并年月字段,一步即可得到目标结构。

完整实现代码

import pandas as pd

# 1. 加载示例数据构造DataFrame
raw_data = [{'Region/Province': 'PHILIPPINES', 'Commodity': 'Atis [Sugarapple]', '2018 January': '..', '2018 February': '..'}, {'Region/Province': 'PHILIPPINES', 'Commodity': 'Avocado', '2018 January': '..', '2018 February': '..'}, {'Region/Province': 'PHILIPPINES', 'Commodity': 'Banana Bungulan, green', '2018 January': '12.57', '2018 February': '12.48'}, {'Region/Province': 'PHILIPPINES', 'Commodity': 'Banana Cavendish', '2018 January': '9.96', '2018 February': '8.8'}]
df = pd.DataFrame(raw_data)

# 2. 宽表转长表
# id_vars指定不需要转换的固定列,var_name设置年月列转换后的字段名,value_name设置数值存储的字段名
res_df = pd.melt(
    df,
    id_vars=['Region/Province', 'Commodity'],
    var_name='Month',
    value_name='Amount'
)

# 可选:将无效值".."替换为NaN方便后续计算,不需要可以删除该行
res_df['Amount'] = pd.to_numeric(res_df['Amount'], errors='coerce')

结果说明

转换后的res_df结构完全符合要求:

  • 保留原有Region/Province、Commodity列,商品名称会按不同年月重复出现
  • 新增Month列存储原年月字段名(如2018 January)
  • 新增Amount列存储对应年月的数值
    如果需要将Month列转换为标准日期格式,可以额外通过pd.to_datetime(res_df['Month'], format='%Y %B')实现。

内容的提问来源于stack exchange,提问作者JoshPickel

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.11 00:00:00