如何将宽格式Pandas DataFrame转换为长格式（表格形式）？

嘿，我明白你现在的困惑——宽转长确实是pivot的反向操作，在pandas里我们用melt()函数就能轻松搞定！先给你提个小细节：你给出的示例DataFrame里有重复的列名'1/1/2001'，创建DataFrame时后面的列会覆盖前面的，我先帮你修正这个问题，再一步步演示转换步骤。

第一步：修正示例DataFrame #

先把重复的日期列名调整一下，避免数据丢失：

import pandas as pd

# 修正重复列名，把第二个'1/1/2001'改成'1/1/2001_2'
PPPP = pd.DataFrame({
    '1/1/2001_1': [5,6,7,8,9], 
    '1/1/2001_2':[45,46,47,48,49], 
    '1/2/2001':[15,16,17,18,19], 
    '1/3/2001':[25,26,27,28,29], 
    'Category1':['aa','bb','cc','dd','ee'], 
    'Category2':['XX','YY','ZZ','FF','KK']
})

第二步：用pd.melt()实现宽转长 #

melt()的核心是指定需要保留的标识列（不参与转换的列）和需要转成行的列：

# 转换为长格式
long_df = pd.melt(
    PPPP,
    id_vars=['Category1', 'Category2'],  # 这两列保持原样，作为每行的标识
    var_name='Date',  # 原来的日期列名会变成这个新列的内容
    value_name='Value'  # 原来日期列对应的值会放到这个新列里
)

转换后的长格式结果 #

运行上面的代码后，long_df的结构会是这样：

Category1 Category2        Date  Value
0         aa        XX  1/1/2001_1      5
1         bb        YY  1/1/2001_1      6
2         cc        ZZ  1/1/2001_1      7
3         dd        FF  1/1/2001_1      8
4         ee        KK  1/1/2001_1      9
5         aa        XX  1/1/2001_2     45
6         bb        YY  1/1/2001_2     46
...（后续行以此类推）

如果你的原始数据里日期列没有重复，只需要把id_vars和日期列对应调整就行，melt()是处理宽转长最常用的工具，完全对应你要的pivot反向操作~

内容的提问来源于stack exchange，提问作者inatos