如何使用groupby/pivot修改指定的Pandas DataFrame？

完全不用复杂的步骤，Pandas的melt()函数就是专门干这个的，几步就能搞定你的需求。我给你举个实际例子演示：

先假设你的原始DataFrame是这样的 #

import pandas as pd

df = pd.DataFrame({
    'ID': [1, 2, 3],
    'Jan': [10, 20, 30],
    'Feb': [15, 25, 35],
    'Mar': [12, 22, 32],
    'Category': ['A', 'B', 'A']  # 假设还有其他需要保留的列
})

核心操作代码 #

如果你想先把ID设为索引再转换：

# 第一步：把ID设为索引
df.set_index('ID', inplace=True)
# 第二步：转成长格式，把月份列转成month列
long_df = df.melt(var_name='month', value_name='数值')

或者你也可以一步到位，先转换再设索引：

long_df = df.melt(id_vars='ID', var_name='month', value_name='数值').set_index('ID')

参数解释（帮你理解为啥这么写） #

• id_vars：指定哪些列是标识列（不需要转成行的列），比如这里的ID，如果还有其他像Category这样的列需要保留，就写成id_vars=['ID', 'Category']
• var_name：原来的月份列名（比如Jan、Feb）要放到的新列名，就是你要的month
• value_name：原来月份列里的数值对应的新列名，你可以根据实际业务改名，比如sales、amount都行

转换后的结果就是每个ID对应一行月份+数值的组合，完全符合你的要求～

内容的提问来源于stack exchange，提问作者Marco