Pandas：将DataFrame多列重塑为含月末日期的单列结构

嘿，这个需求我之前也碰到过，用pandas的工具就能轻松搞定！我给你一步步拆解实现步骤：

1. 先明确原始数据结构（示例） #

假设你的原始DataFrame长这样（包含pointId、年份year，以及12个月份列month1到month12）：

import pandas as pd

# 模拟你的原始数据
df = pd.DataFrame({
    'pointId': ['P001', 'P002'],
    'year': [2022, 2023],
    'month1': [12.5, 34.2],
    'month2': [15.1, 31.7],
    'month3': [18.3, 29.9],
    # ... 省略month4到month11的示例数据
    'month12': [9.8, 22.4]
})

2. 第一步：将宽表转为长表 #

用melt函数把12个月份列合并成「月份标识」和「对应数值」两列，保留pointId和year作为标识列：

# 重塑宽表为长表
melted_df = df.melt(
    id_vars=['pointId', 'year'],  # 保留的标识列
    var_name='month_label',       # 原月份列的列名会存入这个新列
    value_name='metric_value'     # 原月份列的数值会存入这个新列
)

3. 第二步：提取月份数字 #

从month_label（比如month1、month12）里提取出纯数字的月份：

# 从"monthX"中提取数字X，转为整数类型
melted_df['month'] = melted_df['month_label'].str.extract(r'(\d+)').astype(int)

4. 第三步：生成月末日期 #

结合year和month生成当月的月末日期，这里用pandas的日期偏移量来精准获取月末：

from pandas.tseries.offsets import MonthEnd

# 先构造当月第一天的日期，再偏移到当月最后一天
melted_df['end_of_month'] = pd.to_datetime(
    melted_df[['year', 'month']].assign(day=1)
) + MonthEnd(1)

5. 第四步：整理最终结果 #

去掉不需要的中间列，调整列顺序，再按pointId和日期排序：

# 筛选并调整列顺序，排序后重置索引
final_df = melted_df[['pointId', 'end_of_month', 'metric_value']].sort_values(
    by=['pointId', 'end_of_month']
).reset_index(drop=True)

这样得到的final_df就是你想要的结构：每个月份的数值单独一行，日期列对应当月月末。

如果你的原始月份列命名不是month1这种格式（比如直接是1月、Jan），只需要调整提取月份数字的逻辑就行，核心思路是通用的～

内容的提问来源于stack exchange，提问作者Fizi