如何用Pandas将Dataframe逆透视？pd.melt()使用问题求解答

嘿，我懂你的困扰啦！你想把那些星期相关的哑变量列（Mon、Tu、Wed）合并成一列，直接显示每个人对应的星期，而不是用pd.melt()把数据堆得变长，对吧？下面给你两种实用的解决方案：

方法一：用idxmax()快速生成对应列（最简洁） #

因为你的数据里每行在Mon/Tu/Wed中只有一个1，我们可以直接找到每行值为1的列名，一步生成目标列：

import pandas as pd

# 先把你的字典转成正确的DataFrame
df = pd.DataFrame({
    'name':['Jennifer','Vivian','Trisha'], 
    'married':[1,1,0], 
    'Mon': [0, 0,1], 
    'Tu':[1,0,0], 
    'Wed':[0,1,0]
})

# 指定要处理的哑变量列
day_columns = ['Mon', 'Tu', 'Wed']

# 生成新列：取每行值为1的列名
df['assigned_day'] = df[day_columns].idxmax(axis=1)

# 可选：如果不需要原来的哑变量列，直接删除
df = df.drop(day_columns, axis=1)

运行后你会得到这样的结果：

方法二：基于pd.melt()调整（适合更复杂场景） #

如果你一定要用melt，可以通过筛选值为1的行来修正“行数变长”的问题：

# 第一步：melt哑变量列，保留name和married作为标识列
melted_df = pd.melt(
    df,
    id_vars=['name', 'married'],  # 不参与堆叠的列
    value_vars=day_columns,       # 要堆叠的哑变量列
    var_name='assigned_day',      # 新列的列名（星期）
    value_name='is_selected'      # 存储原哑变量值的列名
)

# 第二步：筛选出值为1的行（也就是对应正确的星期）
final_df = melted_df[melted_df['is_selected'] == 1].drop('is_selected', axis=1)

这样final_df就和方法一的结果完全一致啦，这种方法更灵活，比如如果你的数据存在多行多个1的情况，也可以轻松调整筛选逻辑。

内容的提问来源于stack exchange，提问作者user9287749