pd.melt(df, id_vars=id) 和 df.melt(id_vars=id) 是等效的。如果可用，我更喜欢使用数据框方法。

难道不应该是 pd.melt(df, id_vars=id) 吗？谢谢您的解释！

wide_to_long 通常很有用。该函数会自动提取后缀（您可以使用正则表达式指定确切的格式）。

假设这个例子：

   id  value1  value2  group1  group2
0   1       5       9      13      17
1   2       6      10      14      18
2   3       7      11      15      19
3   4       8      12      16      20

您可以运行：

pd.wide_to_long(df, stubnames=['value', 'group'], i='id', j='type')

输出：

         value  group
id type              
1  1         5     13
2  1         6     14
3  1         7     15
4  1         8     16
1  2         9     17
2  2        10     18
3  2        11     19
4  2        12     20

实际上，文档中将其描述为“ 比 melt 更不灵活，但更加用户友好” 。

melt 处于较低水平，您需要对输出进行后处理，从：

df.melt(['id'])

输出：

    id variable  value
0    1   value1      5
1    2   value1      6
2    3   value1      7
3    4   value1      8
4    1   value2      9
5    2   value2     10
6    3   value2     11
7    4   value2     12
8    1   group1     13
9    2   group1     14
10   3   group1     15
11   4   group1     16
12   1   group2     17
13   2   group2     18
14   3   group2     19
15   4   group2     20

到：

tmp = df.melt(['id'])
tmp2 = tmp['variable'].str.extract('(\D+)(\d+)')
(tmp.assign(col=tmp2[0], type=tmp2[1])
    .pivot(index=['id', 'type'], columns='col', values='value')
    .rename_axis(columns=None)
)

输出：

         group  value
id type              
1  1        13      5
   2        17      9
2  1        14      6
   2        18     10
3  1        15      7
   2        19     11
4  1        16      8
   2        20     12

请注意，您还可以使用 MultiIndex 重塑：

out = (df.set_index('id')
         .pipe(lambda d: d.set_axis(pd.MultiIndex.from_frame(
                                    d.columns.str.extract('(\D+)(\d+)'),
                                    names=[None, 'type']), axis=1))
         .stack()
       )