宽表转长表（melt）后如何保留列的逗号/百分比格式？

嘿，我碰到过一模一样的问题！Pandas的melt确实会把列层面的显示格式给弄丢——因为它本质是把不同列的数值合并到同一列，原来针对单独列设置的格式规则没法跟着迁移。结合你的示例，给你两种实用的解决思路：

思路1：提前将列转为格式化后的字符串（直接保留显示格式） #

如果你的需求是直接保留宽格式里的带逗号、百分比字符串，那可以在melt之前，先把balance和change列转成格式化好的字符串，再执行融合操作：

import pandas as pd

# 构造你的宽格式DataFrame（注意这里用原始数值初始化）
df_wide = pd.DataFrame({
    'id': [1, 2, 3, 4],
    'event': ['up', 'down', 'up', 'down'],
    'balance': [100.00, 1000.00, 1000.00, 2000.00],
    'change': [0.02, 0.004, 0.012, 0.03]
})

# 先给列设置格式化字符串
df_wide['balance'] = df_wide['balance'].apply(lambda x: f"{x:,.2f}")  # 带逗号的两位小数
df_wide['change'] = df_wide['change'].apply(lambda x: f"{x:.1%}")     # 一位百分比

# 执行melt
df_long = df_wide.melt(id_vars=['id', 'event'], var_name='metric', value_name='value')

print(df_long)

输出的长格式会和你预期的显示格式一致：

id event   metric      value
0   1    up  balance    100.00
1   2  down  balance  1,000.00
2   3    up  balance  1,000.00
3   4  down  balance  2,000.00
4   1    up   change      2.0%
5   2  down   change      0.4%
6   3    up   change      1.2%
7   4  down   change      3.0%

思路2：Melt后根据Metric列重新格式化（保留数值可计算性） #

如果你还需要保留value列的数值类型方便后续计算，只是显示时按原格式展示，那可以在melt完成后，根据metric列的类型分别应用格式化规则：

import pandas as pd
import numpy as np

# 构造原始数值型的宽格式DataFrame
df_wide = pd.DataFrame({
    'id': [1, 2, 3, 4],
    'event': ['up', 'down', 'up', 'down'],
    'balance': [100.00, 1000.00, 1000.00, 2000.00],
    'change': [0.02, 0.004, 0.012, 0.03]
})

# 先执行melt
df_long = df_wide.melt(id_vars=['id', 'event'], var_name='metric', value_name='value')

# 根据metric类型生成格式化后的列（也可以直接替换value列，按需选择）
df_long['formatted_value'] = np.where(
    df_long['metric'] == 'balance',
    df_long['value'].apply(lambda x: f"{x:,.2f}"),
    df_long['value'].apply(lambda x: f"{x:.1%}")
)

print(df_long)

这样value列保留原始数值（方便计算），formatted_value列则是你需要的带格式字符串：

id event   metric   value formatted_value
0   1    up  balance  100.00          100.00
1   2  down  balance 1000.00        1,000.00
2   3    up  balance 1000.00        1,000.00
3   4  down  balance 2000.00        2,000.00
4   1    up   change    0.02            2.0%
5   2  down   change    0.004           0.4%
6   3    up   change    0.012           1.2%
7   4  down   change    0.03            3.0%

补充说明 #

为什么melt会丢格式？因为Pandas的列格式（比如用style设置的显示格式）只是可视化层面的规则，DataFrame实际存储的还是原始数值。当你用melt把不同列的数值合并到同一列时，原来针对单独列的格式规则就失效了，所以需要我们手动重新绑定格式逻辑。

内容的提问来源于stack exchange，提问作者Aksel Etingu