求助：Pandas中如何将成对key_/value_列转为key-value行结构

你已经用melt迈出了正确的第一步，但确实还需要把成对的key_n和value_n对应起来。核心思路是找到每对字段的共同数字标识（也就是列名里的1、2...n），以此为桥梁把key和value配对。

下面给你两种可行的解决方案，附带详细解释：

方法一：拆分后合并（直观易理解） #

步骤1：处理melt后的结果，提取配对标识 #

先从variable列里提取数字后缀，作为每对key/value的匹配键：

import pandas as pd

# 模拟你的原始数据
df = pd.DataFrame({
    'firstid': [1],
    'secondid': ['one'],
    'key_1': ['A'],
    'key_2': ['B'],
    'key_3': ['C'],
    'value_1': ['alpha'],
    'value_2': ['beta'],
    'value_3': ['gamma']
})

# 你原来的melt操作
value_vars = [x for x in df.columns if x.startswith('key_') or x.startswith('value_')]
melted_df = pd.melt(df, id_vars=["firstid", "secondid"], value_vars=value_vars)

# 提取数字后缀作为配对索引
melted_df['pair_idx'] = melted_df['variable'].str.extract(r'(\d+)')

步骤2：拆分key和value数据集 #

把melt后的结果分成key组和value组，并重命名列：

# 筛选key行，并重命名value列为key
key_df = melted_df[melted_df['variable'].str.startswith('key_')].rename(columns={'value': 'key'})
# 筛选value行，保留原value列名
value_df = melted_df[melted_df['variable'].str.startswith('value_')]

步骤3：按共同标识合并 #

用firstid、secondid和pair_idx作为合并键，把两组数据拼在一起，最后清理冗余列：

result = pd.merge(
    key_df[['firstid', 'secondid', 'pair_idx', 'key']],
    value_df[['firstid', 'secondid', 'pair_idx', 'value']],
    on=['firstid', 'secondid', 'pair_idx']
).drop('pair_idx', axis=1)

# 重命名列（可选，和你想要的格式完全匹配）
result = result.rename(columns={'firstid': 'first_id', 'secondid': 'second_id'})

方法二：用pivot更简洁实现 #

如果想少写几行代码，可以利用pivot直接把key和value转成列，再展开：

# 延续上面的melted_df
# 拆分variable列为类型（key/value）和配对索引
melted_df[['type', 'pair_idx']] = melted_df['variable'].str.split('_', expand=True)

# 按id列和pair_idx做pivot，把type转成列
pivoted = melted_df.pivot(
    index=['firstid', 'secondid', 'pair_idx'],
    columns='type',
    values='value'
).reset_index()

# 清理列名和冗余列
result = pivoted.drop('pair_idx', axis=1).rename(columns={'firstid': 'first_id', 'secondid': 'second_id'})

两种方法最终都会得到你想要的格式：

核心逻辑都是利用列名里的数字后缀建立key和value的对应关系，不管n是多少，只要key和value的数量相等，这个方法就通用。

内容的提问来源于stack exchange，提问作者Ettore Rizza