如何将多列区域数据转换为Area与Value两列并保留YearQ？

这是典型的宽表转长表（逆透视）需求，我给你几种主流工具的实现方案，按需选用：

Python（Pandas）实现 #

Pandas的melt()函数专门用来做这种格式转换，代码简洁直观：

import pandas as pd

# 读取你的原始数据（这里用示例数据演示）
df = pd.DataFrame({
    'YearQ': ['2017Q1', '2017Q2', '2017Q3', '2017Q4'],
    'Area A': [1234.0, 1245.0, 1350.0, 1333.0],
    'Area B': [9252.0, 9368.0, 9440.0, 9501.0],
    'Area C': [3421.0, 3321.0, 3225.0, 3625.0]
})

# 执行宽转长操作
long_df = df.melt(
    id_vars=['YearQ'],  # 保留不转换的列
    value_vars=['Area A', 'Area B', 'Area C'],  # 需要转换的列
    var_name='Area',  # 新的区域列名
    value_name='Value'  # 新的数值列名
)

print(long_df)

运行后就能得到你想要的结构，如果原始数据里还有其他需要保留的列，直接加到id_vars列表里就行。

R（tidyr包）实现 #

R的tidyr包提供了pivot_longer()函数，同样能轻松完成转换：

library(tidyr)

# 示例数据
df <- data.frame(
    YearQ = c('2017Q1', '2017Q2', '2017Q3', '2017Q4'),
    `Area A` = c(1234.0, 1245.0, 1350.0, 1333.0),
    `Area B` = c(9252.0, 9368.0, 9440.0, 9501.0),
    `Area C` = c(3421.0, 3321.0, 3225.0, 3625.0)
)

# 宽转长
long_df <- pivot_longer(
    df,
    cols = starts_with("Area"),  # 匹配所有以Area开头的列（也可以直接列名）
    names_to = "Area",
    values_to = "Value"
)

print(long_df)

这里用starts_with("Area")可以批量匹配区域列，不用逐个列名输入，适合列数很多的场景。

SQL实现 #

如果你的数据存在数据库里，用UNION ALL可以实现通用的逆透视（不同数据库可能有专用函数比如SQL Server的UNPIVOT，但UNION ALL兼容性更强）：

SELECT YearQ, 'Area A' AS Area, [Area A] AS Value FROM your_table
UNION ALL
SELECT YearQ, 'Area B' AS Area, [Area B] AS Value FROM your_table
UNION ALL
SELECT YearQ, 'Area C' AS Area, [Area C] AS Value FROM your_table
ORDER BY YearQ, Area;

把your_table替换成你的实际表名即可，如果有更多区域列，继续加UNION ALL的分支就行。

内容的提问来源于stack exchange，提问作者Joe Plumb