Pandas：如何从YES/NO型未知规模DataFrame中提取所有值为YES的行索引与列名配对

针对从电子表格读入、预先不知道行列规模的YES/NO值DataFrame，不需要逐列写筛选逻辑，用Pandas内置的长表转换能力即可实现全表批量匹配，方案完全适配未知表格规模的场景。

核心实现步骤（零手动枚举列名） #

1. 最简推荐方案（新手易理解、无冗余代码） #

利用stack()方法自动将宽表转换为长表结构，自动记录每一个单元格对应的行索引、列名，全程不需要手动指定列名、行数，适配电子表格读取的未知结构：

# 预处理（*新手常见坑*：从Excel读入的单元格经常带前后空格，导致匹配失效）
df = df.apply(lambda x: x.str.strip())

# 长表转换：自动生成 行索引、列名、单元格取值 三列
long_df = df.stack().reset_index()
# 对列做易读性命名
long_df.columns = ['行索引', '列名', '单元格值']

# 筛选值为YES的配对结果
result = long_df.loc[long_df['单元格值'] == 'YES', ['列名', '行索引']]

运行后result的输出完全匹配预期格式：

2. 链式简化写法（代码更紧凑） #

利用新版本Pandas的参数，把步骤合并成链式调用，减少中间变量的定义：

result = (
    df.stack()
    # 直接给转换后的三列命名，无需手动改列名
    .reset_index(names=['行索引', '列名', '单元格值'])
    # 直接筛选值为YES的行
    .query("单元格值 == 'YES'")
    # 保留需要的两列
    [['列名', '行索引']]
)

其他输出格式适配 #

如果不需要DataFrame格式的结果，可以在上面的result基础上直接转换，无需重新计算：

• 转成二维数组：使用代码 result.values
• 转成配对元组列表：使用代码 list(result.itertuples(index=False, name=None))

方案优势说明 #

你之前尝试的单列loc筛选逻辑，需要手动指定每一列的列名做判断，一旦从电子表格读入的列数未知（比如今天读的表是5列，明天是20列），就需要反复修改代码写筛选条件。而上述的stack()转换逻辑，会自动遍历全表所有单元格，不管表有多少行、多少列，代码都不需要做任何修改，完全满足灵活适配不同规模电子表格的需求。

内容的提问来源于stack exchange，提问作者nico