使用Pandas实现多列客户订单数据的索引统一与格式规范化

嗨，这个需求在Pandas里用melt()函数就能轻松搞定，这是处理宽格式数据转长格式的标准工具，我给你一步步演示：

1. 先构造示例数据（模拟你的原始数据） #

首先我们创建和你格式一致的测试数据，方便你直接运行验证：

import pandas as pd

# 模拟你的原始客户订单数据
raw_data = {
    "Customer": ["John", "Shelly"],
    "Order1": ["This", "Thing1"],
    "Order2": ["That", "Thing2"],
    "Order3": ["The", "Thing3"]
}
df_raw = pd.DataFrame(raw_data)

2. 使用melt()完成转换 #

melt()的核心是指定保持不变的标识列和需要拆分成行的列，代码如下：

# 执行宽转长操作
df_transformed = df_raw.melt(
    id_vars="Customer",  # 这个列会保留在每行，作为客户标识
    value_vars=[col for col in df_raw.columns if col.startswith("Order")],  # 所有以Order开头的列都要拆分成行
    value_name="Order"  # 拆分后的值列命名为"Order"
)

# 可选：如果不需要原来的Order1/Order2这些列名（也就是默认生成的"variable"列），直接删掉
df_transformed = df_transformed.drop(columns="variable")

3. 转换后的结果 #

运行上面的代码后，你会得到完全符合需求的结构：

Customer    Order
0     John     This
1   Shelly   Thing1
2     John     That
3   Shelly   Thing2
4     John      The
5   Shelly   Thing3

小技巧 #

如果你的订单列是严格按Order1、Order2...OrderN排列在Customer列之后，那value_vars可以简化成df_raw.columns[1:]，不用写列表推导式，效果完全一致。

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