Pandas多值列DataFrame如何通过melt转换为指定长表结构
Pandas 多值列宽表转长表实现方案
针对你给出的成对命名宽表,可通过 melt 方法直接配置嵌套值列参数,结合临时行号调整顺序,一步生成目标结构,无需多步合并。
实现代码
import pandas as pd x = pd.DataFrame([ {'F1': 'a', 'F1_D': 'aa', 'F2': 'a', 'F2_D': 'aa', 'F3': 'a', 'F3_D': 'aa'}, {'F1': 'b', 'F1_D': 'bb', 'F2': 'b', 'F2_D': 'bb', 'F3': 'b', 'F3_D': 'bb'}, {'F1': 'c', 'F1_D': 'cc', 'F2': 'c', 'F2_D': 'cc', 'F3': 'c', 'F3_D': 'cc'}, {'F1': 'd', 'F1_D': 'dd', 'F2': 'd', 'F2_D': 'dd', 'F3': 'd', 'F3_D': 'dd'}, ]) # 生成临时排序键,兼容所有pandas版本,仅用于后续调整行顺序 x_with_idx = x.copy() x_with_idx['tmp_sort_key'] = x_with_idx.index result = x_with_idx.melt( # 临时排序键列不参与melt转换 id_vars='tmp_sort_key', # 传入两组一一对应的宽列,分别作为两个值列的取值来源 value_vars=[ ['F1', 'F2', 'F3'], ['F1_D', 'F2_D', 'F3_D'] ], # 变量名列对应目标表的col1 var_name='col1', # 两个值列的名称,对应目标表的col2、col3 value_name=['col2', 'col3'] ) # 按原行号顺序重排,移除临时列,得到目标结构 result = ( result .sort_values('tmp_sort_key', kind='stable') .drop(columns='tmp_sort_key') .reset_index(drop=True) )
结果验证
执行代码后输出的 result 完全匹配目标结构:
col1 col2 col3 0 F1 a aa 1 F2 a aa 2 F3 a aa 3 F1 b bb 4 F2 b bb 5 F3 b bb 6 F1 c cc 7 F2 c cc 8 F3 c cc 9 F1 d dd 10 F2 d dd 11 F3 d dd
参数说明
- 嵌套格式的
value_vars:pandas 会自动按列表内的列名位置配对值,不需要分别对普通值列、_D后缀列单独调用melt后再合并 - 临时排序键:仅用来解决
melt默认按列分组排序的问题,保证输出行顺序和原宽表的逐行拆解逻辑一致 - 省略排序步骤的场景:若不需要严格匹配逐行拆解的顺序,可直接对原表调用
melt生成同结构长表,仅行的分组顺序有差异
内容的提问来源于stack exchange,提问作者William Goodwin
相关产品推荐
相关产品推荐

