在Pandas中展开矩阵：现有循环代码的优化方案问询

当然有！Pandas 内置了专门处理这类宽表转长表的工具，比你写的嵌套循环高效得多，代码也更简洁易读，尤其适合处理大规模数据。

方法一：使用 stack()（最简洁直接） #

这是处理矩阵转长表最直观的方式，利用 Pandas 的层级索引操作一键完成转换：

import pandas as pd

# 原始矩阵 DataFrame
df = pd.DataFrame({'a':[7, 0, 3], 'b':[0, 4, 2], 'c':[3, 2, 9]})
df.index = list(df)

# 转换为长表
long_df = df.stack().reset_index()
long_df.columns = ['C1', 'C2', 'V']

运行后得到的结果完全符合你的需求：

C1 C2  V
0   a  a  7
1   a  b  0
2   a  c  3
3   b  a  0
4   b  b  4
5   b  c  2
6   c  a  3
7   c  b  2
8   c  c  9

原理说明： #

• stack() 会把 DataFrame 的列索引“堆叠”为内层行索引，生成一个带多级索引的 Series；
• reset_index() 把多级索引转换为普通列；
• 最后重命名列名即可，而且V列的类型默认就是整数，不需要额外转换。

方法二：使用 melt() 函数 #

如果你更习惯用“宽表转长表”的通用思路，也可以用 melt() 实现：

import pandas as pd

df = pd.DataFrame({'a':[7, 0, 3], 'b':[0, 4, 2], 'c':[3, 2, 9]})
df.index = list(df)

# 先把原索引转为普通列
df = df.reset_index(names='C1')
# 用 melt 转换
long_df = df.melt(id_vars='C1', var_name='C2', value_name='V')

这个方法先把原来的行索引（a/b/c）转为列C1，再通过melt()将原来的列名作为C2列，对应的值存入V列，结果和上面完全一致。

为什么比循环更好？ #

• 效率更高：Pandas 的内置函数是基于底层 C 语言实现的，远快于 Python 级别的嵌套循环，当你的矩阵规模变大（比如1000×1000）时，差距会非常明显；
• 代码更简洁：几行代码就能完成循环十几行的工作，可读性更强，也减少了手动维护索引i的出错概率；
• 原生支持类型保持：不需要额外手动转换V列的类型，内置函数会自动保留原始数据类型。

内容的提问来源于stack exchange，提问作者Fernando S. Peregrino