如何将指定78列数据转换为Column-Value多行格式的技术问询

嘿，我来给你几个实用的实现方案，根据你常用的工具场景来选就行：

如果你的数据存在数据库里，用UNPIVOT语法是最直接的方式，专门用来把宽表转成键值对的长表。

假设你的表名叫user_metrics，要转换的78列是metric_1到metric_78，可以这么写：

SELECT 
    UserID,
    UserName,
    ColumnName AS Column,
    ColumnValue AS Value
FROM 
    user_metrics
UNPIVOT (
    ColumnValue FOR ColumnName IN (metric_1, metric_2, ..., metric_78)
) AS unpivoted_data;

小技巧：如果78列手动列出来太麻烦，你可以用数据库的系统视图自动生成列名列表。比如在SQL Server里，执行下面的语句就能得到需要的列名拼接结果：

SELECT STRING_AGG(QUOTENAME(COLUMN_NAME), ', ')
FROM INFORMATION_SCHEMA.COLUMNS
WHERE TABLE_NAME = 'user_metrics'
AND COLUMN_NAME NOT IN ('UserID', 'UserName')
-- 这里可以加额外筛选条件，比如 COLUMN_NAME LIKE 'metric_%' 来精准匹配你要转的78列

如果需要写脚本批量处理，Pandas的melt函数简直是为这个需求量身定做的，灵活又高效。

示例代码如下：

import pandas as pd

# 读取数据源，这里以CSV为例，也可以直接从数据库读取
df = pd.read_csv('your_source_data.csv')

# 筛选出需要转换的78列，这里假设排除UserID和UserName后取前78列，你可以根据实际列名规则调整
columns_to_unpivot = [col for col in df.columns if col not in ['UserID', 'UserName']][:78]
# 比如如果列名有特定前缀，也可以这么筛：columns_to_unpivot = [col for col in df.columns if col.startswith('custom_')]

# 执行宽表转长表的转换
long_format_df = df.melt(
    id_vars=['UserID', 'UserName'],  # 保留作为每行标识的列
    value_vars=columns_to_unpivot,   # 需要转换的78列
    var_name='Column',               # 转换后存储原列名的字段名
    value_name='Value'               # 转换后存储原列值的字段名
)

# 导出结果，比如保存为新的CSV
long_format_df.to_csv('converted_data.csv', index=False)

如果你习惯用Excel处理数据，Power Query不需要写代码就能完成转换，步骤超简单：

1. 打开你的Excel数据文件，选中整个数据区域，点击「数据」选项卡 → 「从表格/范围」（旧版Excel找「获取和转换数据」组的对应入口）
2. 进入Power Query编辑器后，先选中UserID和UserName这两列，右键点击 → 选择「逆透视其他列」（如果只需要逆透视指定的78列，就先选中这78列，然后右键选「逆透视列」）
3. 转换完成后，点击编辑器左上角的「关闭并上载」，转换后的长表就会自动出现在新的工作表里。

内容的提问来源于stack exchange，提问作者RyanC