You need to enable JavaScript to run this app. Pandas多值列DataFrame如何通过melt转换为指定长表结构
优惠活动
大模型
产品
解决方案
定价
更多

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
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:2026.10.27 15:24:07