Pandas宽表转长表报错：float对象无len()方法，求解决

嘿，我来帮你搞定这个宽转长的问题，顺便解释下你遇到的报错原因～

为什么你的列名分割代码会报错？ #

你用matches_df.columns.str.split('_', expand=True)时触发TypeError: object of type 'float' has no len()，核心原因是：你的DataFrame列名里混进了非字符串类型的元素（大概率是float类型的NaN）。

str.split()是字符串专属的方法，只能对字符串格式的列名操作。如果某个列名是float类型的NaN（不是字符串'NaN'），Python会直接报错——因为float类型没有str属性，也不能计算长度（len()）。

正确的宽转长方法（完美匹配你的期望输出） #

其实Pandas专门提供了melt()函数来做宽格式转长格式，比手动分割列名高效得多，还能避免列名类型的坑。以下是针对你示例数据的完整代码：

步骤1：构造示例数据（模拟你的输入） #

import pandas as pd
import numpy as np

matches_df = pd.DataFrame({
    'index': [0, 1],
    'S_1': [1, 1],
    'S_2': [0, 1],
    'S_3': [0, np.nan],
    'S_4': [1, np.nan]
}).set_index('index')

步骤2：执行宽转长操作 #

# 核心：用melt转长格式
long_df = matches_df.melt(
    ignore_index=False,  # 保留原index列
    var_name='num',      # 原列名（S_1/S_2等）存入这个新列
    value_name='S'       # 原单元格数值存入这个新列
)

# 提取num列的数字部分（把S_1变成1）
long_df['num'] = long_df['num'].str.split('_').str[1].astype(int)

# 按index和num排序，让结果和你期望的完全一致
long_df = long_df.sort_values(['index', 'num']).reset_index(drop=False)

运行后得到的long_df就是你想要的输出：

处理额外列的情况 #

你提到还有其他列信息需要处理？没问题，只要在melt()里指定id_vars参数，把需要保留的列名放进去就行。比如原DataFrame有个group列需要保留：

示例代码： #

# 假设有额外列的DataFrame
matches_df_with_extra = pd.DataFrame({
    'index': [0, 1],
    'group': ['A', 'B'],
    'S_1': [1, 1],
    'S_2': [0, 1],
    'S_3': [0, np.nan],
    'S_4': [1, np.nan]
}).set_index('index')

# 保留group列的同时转长格式
long_df_with_extra = matches_df_with_extra.melt(
    id_vars=['group'],   # 指定要保留的额外列
    ignore_index=False,
    var_name='num',
    value_name='S'
)

# 同样处理num列
long_df_with_extra['num'] = long_df_with_extra['num'].str.split('_').str[1].astype(int)

这样就能在转长格式的同时，保留所有你需要的额外列啦～

内容的提问来源于stack exchange，提问作者oli5679