如何优雅地将Pandas DataFrame中的行重排为列并合并行列

我来帮你搞定这个DataFrame的重排需求！先明确一下你的目标：把原来两行的DataFrame，转成以'A'为索引的单行，同时把原行号和列名组合成新的列名（比如1-PS、2-10PSS这种格式）。

第一步：构造初始DataFrame #

先把你给出的初始数据用代码复现出来，方便后续操作：

import pandas as pd

# 初始DataFrame
df = pd.DataFrame(
    data=[[6, 263, 5, 23, 2, 101], [5, 49, 2, 30, 1, 30]],
    index=[1, 2],
    columns=["PS", "PSS", "10PS", "10PSS", "5PS", "5PSS"]
)

第二步：实现重排的简洁方法 #

这里用stack()配合索引映射的方式，一步到位完成行列合并：

# 堆叠列到内层索引，得到(行号, 列名)的多级索引Series
stacked_series = df.stack()

# 把多级索引转成"行号-列名"的字符串格式
stacked_series.index = stacked_series.index.map(lambda idx: f"{idx[0]}-{idx[1]}")

# 转置成单行DataFrame，并设置新索引为'A'
result_df = stacked_series.to_frame().T
result_df.index = ["A"]

最终结果 #

运行完上面的代码后，result_df就是你想要的格式：

1-PS  1-PSS  1-10PS  1-10PSS  1-5PS  1-5PSS  2-PS  2-PSS  2-10PS  2-10PSS  2-5PS  2-5PSS
A     6    263       5       23      2     101     5     49       2       30      1      30

步骤解释 #

1. df.stack()：把原DataFrame的列转成内层索引，此时得到的Series的索引是(行号, 列名)的组合，值对应原单元格的数据；
2. index.map(...)：把每个多级索引元素转换成"行号-列名"的字符串，作为新的列名基础；
3. to_frame().T：把Series转成DataFrame后再转置，就得到了单行的结构；
4. index = ["A"]：最后把索引设置为你需要的'A'。

内容的提问来源于stack exchange，提问作者Sukhi Kaur