本文介绍一种高效、可复用的 pandas 数据重塑方法：将原始宽表中多个“element”列（如 element #1–#3）转换为行索引（fin_element），同时将 financial_period（如 prior_year、current_year）升维为列头，实现从宽表到规范长-宽混合结构的精准转换。
本文介绍一种高效、可复用的 pandas 数据重塑方法：将原始宽表中多个“element”列（如 element #1–#3）转换为行索引（fin_element），同时将 financial_period（如 prior_year、current_year）升维为列头，实现从宽表到规范长-宽混合结构的精准转换。
在处理财务或指标类结构化数据时，常需将多组同质指标（如 element #1, element #2, element #3）从列展开为行，并将时间/周期维度（如 financial_period）转为列头——这既非标准 pivot（因存在重复索引组合），也非单纯 melt 可解。正确路径是组合使用 set_index + unstack + stack，通过多级索引的升降维完成“双轴旋转”。
以下为完整解决方案（基于您提供的示例数据）：
import pandas as pd
# 示例数据
df = pd.DataFrame({
'University id #': [1, 1],
'Year': [2022, 2022],
'financial_period': ['prior_year', 'current_year'],
'element #1': ['$1', '$2'],
'element #2': ['$3', '$5'],
'element #3': ['$2', '$0']
})
result = (
df
.set_index(['University id #', 'Year', 'financial_period']) # 设定三重索引
.rename_axis('fin_element', axis=1) # 将列名轴重命名为 fin_element
.unstack('financial_period') # 将 financial_period 升为列头（生成 MultiIndex 列）
.stack('fin_element') # 将 fin_element 降为行索引（恢复普通列）
.sort_index(axis=1, ascending=False) # 按列名排序：prior_year 在前，current_year 在后
.rename_axis(None, axis=1) # 清除列索引名称
.reset_index() # 将索引还原为普通列
)
print(result)
输出结果：
University id # Year fin_element prior_year current_year 0 1 2022 element #1 $1 $2 1 1 2022 element #2 $3 $5 2 1 2022 element #3 $2 $0
✅ 关键原理说明：
- set_index(...) 构建唯一标识组合（University id #, Year, financial_period），为后续透视奠定基础；
- rename_axis('fin_element', axis=1) 是语义化关键一步——它将原列名（element #1 等）逻辑映射为新维度 fin_element，便于后续 stack 识别；
- unstack('financial_period') 将该索引层转为列，生成 (fin_element, financial_period) 的 MultiIndex 列结构；
- stack('fin_element') 则将 fin_element 从列层级“折叠”回行索引，形成 (University id #, Year) × fin_element 的双层行索引；
- sort_index(axis=1) 确保列顺序符合业务预期（如 prior_year 在左、current_year 在右）；
- 最终 reset_index() 输出扁平化 DataFrame，完全匹配目标格式。
⚠️ 注意事项：
- 若原始数据中 financial_period 值存在缺失或非唯一组合，unstack 可能报错 ValueError: Index contains duplicate entries，建议先校验：df.duplicated(['University id #', 'Year', 'financial_period']).any()；
- 列名含空格或特殊字符（如 element #1）不影响操作，但建议生产环境统一使用下划线命名（如 element_1）提升可读性与兼容性；
- 此方法天然支持任意数量的 element 列和 financial_period 类别，无需硬编码列名，扩展性强。
该模式是 Pandas 高级重塑的典型范式，适用于财务报表、KPI 对比、多维度指标分析等场景，远比嵌套 melt + pivot_table 更稳健、更易维护。
