本文详解如何使用pandas.wide_to_long()函数，仅针对带编号后缀的多组列（如name_1, Position_1, Country_2）进行定向长格式转换，保留其他结构列不变，完美解决PDF解析后球员信息横向铺开的典型数据规整难题。
本文详解如何使用pandas.wide_to_long()函数，**仅针对带编号后缀的多组列（如name_1, position_1, country_2）进行定向长格式转换**，保留其他结构列不变，完美解决pdf解析后球员信息横向铺开的典型数据规整难题。
在从可编辑PDF批量提取结构化数据时，一个常见痛点是：同一逻辑实体（如一支球队）的多个成员信息被“摊平”为重复模式的宽列——例如 name_1/Position_1/Country_1 和 name_2/Position_2/Country_2。这种宽格式虽便于人工阅读，却不利于后续分组聚合、可视化或建模。此时，盲目使用melt()会破坏语义分组（如将name_1和Position_2混为一列），而wide_to_long()正是为此类“规则性宽列”量身定制的精准工具。
wide_to_long() 的核心优势在于其模式识别能力：它能自动识别具有相同前缀+统一分隔符+数字后缀的列组（如name_1, name_2, Position_1, Position_2），并将其按编号索引（j参数）对齐重组，生成语义清晰的长表。相比melt()需手动枚举value_vars，它更简洁、更鲁棒、更不易出错。
以下为完整实现步骤与代码：
import pandas as pd
# 构造原始宽格式DataFrame（模拟PDF解析结果）
df = pd.DataFrame({
'Team': ["Bayern", "Barcelona", "Madrid"],
'region': ["Bravaria", "Barcelona", "Madrid"],
'title': ["Bundesliga", "Laliga", "Champions Leauge"],
'name_1': ["Robben", "Messi", "Ronaldo"],
'Position_1': ["RW", "ST", "ST"],
'Country_1': ["Netherlands", "Argentina", "Portugal"],
'name_2': ["Ribery", "Neymar", "Benzema"],
'Position_2': ["LW", "LW", "RW"],
'Country_2': ["FRANCE", "Brazil", "France"]
})
# ✅ 使用 wide_to_long 进行精准重塑
# - stubnames: 指定要“纵向展开”的列前缀列表（即语义组名）
# - i: 作为标识符的列名（保持为行索引或普通列）
# - j: 新生成的序号列名（对应原列后缀，如1,2）
# - sep: 列名中前缀与序号的分隔符（此处为下划线'_')
df_long = pd.wide_to_long(
df,
stubnames=['name', 'Position', 'Country'], # 必须是列名前缀，非完整列名
i='Team', # 作为分组键的列（也可传入list，如['Team','region']）
j='n', # 新增序号列名（默认为'variable'，建议自定义）
sep='_'
).reset_index() # 将MultiIndex转为普通列（含Team和n）
print("重塑后的长格式DataFrame：")
print(df_long)
输出结果：
Team n region title name Position Country 0 Bayern 1 Bravaria Bundesliga Robben RW Netherlands 1 Madrid 1 Madrid Champions Leauge Ronaldo ST Portugal 2 Barcelona 1 Barcelona Laliga Messi ST Argentina 3 Bayern 2 Bravaria Bundesliga Ribery LW FRANCE 4 Madrid 2 Madrid Champions Leauge Benzema RW France 5 Barcelona 2 Barcelona Laliga Neymar LW Brazil
⚠️ 关键注意事项：
- stubnames 必须严格匹配列名前缀（如'name'对应name_1, name_2），不能写成'name_1'；
- 所有目标列必须遵循完全一致的命名模式（prefix + sep + number），否则会被忽略；
- i 参数支持单列或列名列表（如 i=['Team', 'region']），确保所有标识列在结果中完整保留；
- 若需进一步清理（如删除序号列n），可直接 df_long.drop('n', axis=1)；
- 对于更复杂模式（如name_first, name_second），可先用df.rename(columns={...})标准化列名再调用。
相比melt()+str.split()+pivot()的多步组合，wide_to_long()以声明式语法一步到位，大幅提升代码可读性与维护性。它是处理“重复测量”“多期指标”“多成员属性”等场景的首选方案，也是Pandas数据规整工作流中不可或缺的利器。
