如何将Pandas宽格式国家计量指标数据表转置为长格式？

嘿，这个需求太典型了！Pandas里的melt()函数就是为这类宽表转长表的场景设计的，完美匹配你的需求。我给你拆解一下具体操作：

核心步骤：使用melt()函数 #

假设你的原始DataFrame命名为df，直接用以下代码就能完成转换：

1. 基础转换代码 #

首先如果原始列名是Country Code（带空格），建议先重命名成下划线格式（可选，但代码更易读），然后调用melt()：

# 可选：重命名列名，避免空格带来的麻烦
df = df.rename(columns={"Country Code": "Country_Code"})

# 执行宽转长
long_format_df = df.melt(
    id_vars="Country_Code",  # 保留作为标识的列，不参与转换
    var_name="Year",         # 原年份列名要转换成的新列名
    value_name="Econometric_Metric"  # 原指标值对应的新列名
)

2. 优化处理（可选） #

• 年份转整数类型：原年份列可能是字符串格式（比如"1960"），可以转成整数方便后续分析：

long_format_df["Year"] = long_format_df["Year"].astype(int)

• 移除NaN值：如果不想保留缺失值的行，直接添加dropna()：

long_format_df = long_format_df.dropna(subset=["Econometric_Metric"])

效果验证 #

转换完成后，你的数据表就会变成三列：

• Country_Code：国家代码（如ABW、AFG）
• Year：年份（1960到2015）
• Econometric_Metric：对应年份的指标值（无缺失的情况下）

这样的长格式非常适合后续做时间序列分析、可视化（比如折线图）或者统计建模哦！

内容的提问来源于stack exchange，提问作者Ferit