You need to enable JavaScript to run this app. 如何将分月多分类的pandas宽表重排为带日期字段的标准长表
优惠活动
大模型
产品
解决方案
定价
更多

如何将分月多分类的pandas宽表重排为带日期字段的标准长表

宽表转指定长表实现方案

核心转换逻辑

宽表结构中,同一条业务标识(ref_num)、同一年份下的12个月份的a/b/c三个指标被横向展开为多列,转换的核心是将横向展开的复合列重新映射为纵向的行记录,通过标准化的宽转长逻辑即可完成重排,不需要手动逐列遍历匹配。

基于Pandas的实现方案(最便捷)

  • 前置准备:提前建立月份缩写到两位数字的映射表
import pandas as pd

# 月份缩写到两位日期的映射
month_map = {
    'jan': '01', 'feb': '02', 'mar': '03', 'apr': '04', 'may': '05', 'jun': '06',
    'jul': '07', 'aug': '08', 'sep': '09', 'oct': '10', 'nov': '11', 'dec': '12'
}

# 1. 读取源CSV文件
df = pd.read_csv("source.csv")
# 固定保留的业务属性列
base_cols = ['ref_num', 'year']
# 剩余列全部为复合指标列,排除宽表自带的行号Index
metric_cols = [col for col in df.columns if col not in base_cols + ['Index']]

# 2. 执行宽表转长表(melt),保留业务属性列,把复合列转成行维度
df_long = df.melt(
    id_vars=base_cols,
    value_vars=metric_cols,
    var_name='col_info',
    value_name='value'
)

# 3. 拆分复合列名,拆出月份缩写和指标名
df_long[['month_abbr', 'metric']] = df_long['col_info'].str.split('_', expand=True)

# 4. 生成指定格式的date列,格式为MM/YYYY
df_long['month_num'] = df_long['month_abbr'].map(month_map)
df_long['date'] = df_long['month_num'] + '/' + df_long['year'].astype(str)

# 5. 透视把a/b/c指标拆成独立列
result = df_long.pivot(
    index=['ref_num', 'date'],
    columns='metric',
    values='value'
).reset_index()

# 6. 重排列顺序,生成连续的自增Index
result = result[['ref_num', 'date', 'a', 'b', 'c']].reset_index(drop=True)
# 导出结果文件
result.to_csv("target_long.csv", index=True)

纯Python逐行解析方案(适配超大CSV、低内存场景)

如果源CSV体积过大,无法一次性加载到内存,可通过逐行解析实现,无需依赖第三方处理库:

  • 首先读取CSV表头,定位ref_num、year的列索引;对剩余的复合列,按列名规则(月份缩写_指标名)预先计算每列对应的月份数字、指标类别,生成固定的列配置映射,避免逐行重复解析列名。
  • 逐行读取数据内容,跳过表头行:
    • 取出当前行的ref_num值、year值
    • 按预生成的列配置,按月份分组收集对应的a/b/c值,拼接成MM/YYYY格式的date字段
    • 每收集到一组同月份的a/b/c值,就生成一条长表记录
  • 全部数据行解析完成后,将收集到的长表记录按目标列格式写入输出CSV即可。

内容的提问来源于stack exchange,提问作者user1563247

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:2026.11.15 17:54:07