使用pandas melt时如何保留coper索引？适配线性优化需求

你遇到的问题很典型——当你把二维的客户-资产表格转成一维向量用于线性优化时，melt操作默认丢掉了客户（coper）的索引信息，导致后续反向pivot时没办法把同一客户的资产值对应到同一行，才会出现满是NaN的分散结果。

咱们直接看解决方案：

方法1：先把索引转成普通列再Melt #

这是最通用的方法，不管你用哪个版本的pandas都能生效：
首先把原来的coper索引转成一个普通列，然后在melt时指定这个列作为分组标识（id_vars），这样就能保留每个资产值对应的客户信息：

# 第一步：把索引转为名为coper的列
df_reset = df.reset_index().rename(columns={'index': 'coper'})
# 第二步：执行melt，保留coper作为分组依据
df2 = df_reset.melt(
    id_vars='coper', 
    value_vars=['asset1','asset2'], 
    var_name='asset', 
    value_name='amount'
)

生成的df2会是这样的结构化数据：

coper   asset  amount
0  coper1  asset1       1
1  coper2  asset1       3
2  coper3  asset1       5
3  coper1  asset2       2
4  coper2  asset2       4
5  coper3  asset2       6

这时再执行反向pivot，就能完美还原你的原始DataFrame：

df_original = df2.pivot(index='coper', columns='asset', values='amount')

输出结果和你最初的表格完全一致：

asset   asset1  asset2
coper
coper1       1       2
coper2       3       4
coper3       5       6

方法2：直接在Melt时保留索引（Pandas 1.1.0+适用） #

如果你的pandas版本在1.1.0及以上，可以直接用ignore_index=False参数让melt保留原始索引，省掉手动转列的步骤：

# 保留原始索引执行melt
df2 = df.melt(
    value_vars=['asset1','asset2'], 
    var_name='asset', 
    value_name='amount', 
    ignore_index=False
)
# 把索引转为coper列（方便后续pivot操作）
df2 = df2.reset_index().rename(columns={'index': 'coper'})

得到的df2和方法1的结果完全一样，后续的反向重塑操作也相同。

为什么你之前的操作会失败？ #

你之前的melt没有指定任何分组标识，生成的df2里只有资产类型和对应数值，没有任何能关联到具体客户的信息。pivot的时候没办法判断哪些值属于同一个客户，只能把每个数值单独放在一行，自然就出现了大量的NaN。

内容的提问来源于stack exchange，提问作者Mohammad Athar