如何用Pandas stack()实现指定顺序的宽表转长表？

当然可以用stack()实现你的需求！问题出在默认的stack()行为是按列的顺序依次处理，而我们需要先给列添加层级信息，让stack()能按我们期望的组（1/2）来堆叠，同时保持每个ID下的组顺序。以下是具体解决方案：

步骤1：定义原始DataFrame（方便复现） #

import pandas as pd

data = {
    'ID': [1, 2],
    'A1': [3, 7],
    'B1': [4, 8],
    'A2': [5, 9],
    'B2': [6, 10]
}
df = pd.DataFrame(data)

步骤2：设置ID为索引 #

先把ID列设为索引，避免后续堆叠操作干扰它：

df = df.set_index('ID')

步骤3：将列名转换为多级索引 #

这是核心步骤——把列名拆分成**变量名（A/B）和组号（1/2）**两个层级，让Pandas识别哪些列属于同一组：

# 拆分列名，生成(var, group)格式的多级索引
df.columns = pd.MultiIndex.from_tuples(
    [(col[0], int(col[1])) for col in df.columns],
    names=['var', 'group']
)

步骤4：用stack()堆叠组层级 #

指定堆叠group层级，这样每个ID下的两组数据会被放在连续的行中：

stacked = df.stack(level='group')

步骤5：清理索引得到目标格式 #

最后重置索引，去掉不需要的group列：

result = stacked.reset_index(level='group', drop=True).reset_index()
print(result)

最终输出 #

ID  A   B
0   1  3   4
1   1  5   6
2   2  7   8
3   2  9  10

原理说明 #

通过多级索引，我们明确告诉Pandas：A1和B1属于第1组，A2和B2属于第2组。stack(level='group')会将每个组从列维度转到行维度，同时保持每个ID下的组顺序，完美解决了默认stack()导致的ID分散问题。

内容的提问来源于stack exchange，提问作者user96564