Python Pandas 如何将s1/s2/s3列重构为单列的DataFrame长表

这类多列同维度值拆分为单列行的结构重构，是pandas非常经典的宽转长场景，不需要手动写循环遍历，用内置melt()方法即可高效实现，完全匹配目标输出要求。

核心实现代码 #

# 拆分s1/s2/s3为单列s，保留Student、code两列作为行标识
new_df = old_df.melt(
    id_vars=["Student", "code"],  # 拆分时需要原样重复保留的列
    value_vars=["s1", "s2", "s3"],  # 需要拆分合并为单列的列
    value_name="s",  # 拆分后生成的新单列的列名
    var_name=None  # 不保留原列名生成的临时标识列
)

# 可选1：调整列顺序，完全匹配目标表的列排列
new_df = new_df[["Student", "s", "code"]]

# 可选2：调整行顺序，对齐示例的学生分组排列效果
new_df = new_df.sort_values("Student").reset_index(drop=True)

方法特性 #

• 该方法为pandas原生结构转换方法，运行效率远高于手动iterrows()遍历构造列表的方案
• 拆分过程会完整保留所有原始值，包括NaN，不会因为空值跳过行，刚好对应示例中C、D学生的空值行需求
• 自动为每一行拆分后的值重复填充对应的Student、code标识，不需要手动维护列值的对应关系

手动遍历方案的核心问题 #

之前写的循环逻辑仅提取了每行的s1值，既没有遍历s2、s3两列的内容，手动拼接一维列表的写法也很容易打乱不同列值的对应关系，属于典型的冗余实现，容易产生bug。

内容的提问来源于stack exchange，提问作者QGIS_krig