如何在Pandas DataFrame中将多列转换为多行？

看起来你需要把宽格式的DataFrame转换成窄格式（也就是“融化”数据），Pandas的melt()函数正好能完美解决这个问题。我先帮你梳理步骤，直接上可运行的代码：

首先，先构造你给出的原始DataFrame（我修正了输入里的格式问题，确保数据对应正确）：

import pandas as pd

# 原始数据构造
raw_data = {
    'Deal': ['h', 'i', 'j'],
    'Year': [1991, 1992, 1993],
    'Quarter_1': [1, 4, 7],
    'Quarter_2': [2, 5, 8],
    'Quarter_3': [3, 6, 9],
    'Financial_Data': [120, 80, 100]
}
df = pd.DataFrame(raw_data)

接下来用melt()函数完成转换：

# 执行宽转长操作
result_df = pd.melt(
    df,
    # 指定需要保留并复制的核心字段
    id_vars=['Deal', 'Year', 'Financial_Data'],
    # 指定需要合并成单行的季度列
    value_vars=['Quarter_1', 'Quarter_2', 'Quarter_3'],
    # 给新生成的季度值列命名
    value_name='Quarter'
).drop('variable', axis=1)  # 删除自动生成的原列名列（不需要的话可以去掉）

# 可选：重置索引，让结果更整洁
result_df = result_df.reset_index(drop=True)

print(result_df)

运行后得到的结果就是你想要的格式（注意你给出的示例结果里Deal列的i/j/k应该是笔误，正确结果里每个原始Deal会对应3条记录，比如h会出现3次，分别对应季度1、2、3）：

关键参数解释 #

• id_vars：指定哪些列需要保持原样，不参与重塑，也就是你要复制的Deal、Year和Financial_Data。
• value_vars：指定哪些列需要被“融化”成单行数据，这里就是三个季度列。
• value_name：给新生成的包含季度值的列起名字，也就是你要的Quarter。

如果需要调整结果的排序，比如按Deal和Quarter排序，可以再加一行：

result_df = result_df.sort_values(by=['Deal', 'Quarter']).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Elias K.