在教育数据管理场景中，学生的多段教育经历常以宽表形式存储，比如同一行记录包含小学、初中、高中多个阶段的学校名称和就读时间，这种结构不利于按教育阶段做聚合分析，需要重构为长表结构。长表会将每个教育阶段作为独立行，每行对应单个阶段的信息，更适合后续的数据处理。
宽表与长表的结构差异
宽表结构的教育经历数据通常包含固定的学生基础信息列，加上多组重复的字段，比如小学学校、小学入学时间、初中学校、初中入学时间等。而规范化后的长表会包含学生ID、教育阶段、学校名称、入学时间这几个核心列，每个学生的多段教育经历会拆分为多行记录。
以下是一份典型的宽表结构教育经历数据示例：
import pandas as pd
# 构造宽表结构的教育经历数据
wide_df = pd.DataFrame({
"学生ID": [1, 2],
"姓名": ["张三", "李四"],
"小学学校": ["XX小学", "YY小学"],
"小学入学时间": ["2012-09", "2013-09"],
"初中学校": ["XX中学", "YY中学"],
"初中入学时间": ["2018-09", "2019-09"],
"高中学校": ["XX高中", "YY高中"],
"高中入学时间": ["2021-09", "2022-09"]
})
print("宽表数据：")
print(wide_df)
使用melt方法实现宽表转长表
Pandas的melt函数是处理宽表转长表的核心工具，它可以指定固定不变的标识列，将剩余的列拆分为变量名和值两列，再通过后续处理拆分出教育阶段和对应字段信息。
基础转换步骤
首先使用melt将宽表的所有动态列转换为长格式，代码如下：
# 使用melt转换宽表为长表
melted_df = pd.melt(
wide_df,
id_vars=["学生ID", "姓名"], # 固定不变的标识列
var_name="字段名", # 原宽表的动态列名会存到这个列
value_name="字段值" # 原宽表的动态列对应的值会存到这个列
)
print("melt转换后的数据：")
print(melted_df)
转换后的数据中，字段名列会包含小学学校、小学入学时间等所有原动态列的名称，字段值列是对应的具体值。接下来需要拆分字段名列，提取出教育阶段和字段类型。
拆分字段名完成规范化
可以通过字符串拆分的方式，将字段名列拆分为教育阶段和字段类型两部分，再通过pivot_table将字段类型转换为列，得到最终的长表结构：
# 拆分字段名列，提取教育阶段和字段类型
melted_df[["教育阶段", "字段类型"]] = melted_df["字段名"].str.split(expand=True)
# 透视表将字段类型转换为列，得到规范长表
long_df = melted_df.pivot_table(
index=["学生ID", "姓名", "教育阶段"],
columns="字段类型",
values="字段值",
aggfunc="first"
).reset_index()
print("规范化后的长表数据：")
print(long_df)
不同转换方法对比
除了melt方法，也可以使用wide_to_long函数处理有规律的宽表，两种方法的特点如下：
| 方法 | 适用场景 | 优势 | 劣势 |
|---|---|---|---|
| melt | 动态列命名无严格规律，需要灵活处理 | 适配性强，可处理各类宽表结构 | 需要额外的字段拆分步骤 |
| wide_to_long | 动态列命名符合"阶段+字段"的固定格式 | 一步完成转换，代码更简洁 | 对列名格式要求严格，适配性差 |
注意事项
- 转换前需要确认宽表的动态列命名是否有统一规则，命名不统一需要先进行列名清洗。
- 如果宽表存在缺失值，转换后长表的缺失值会保留，后续可以根据需求做填充或删除处理。
- 转换完成后建议检查数据行数，确保每个学生对应教育阶段的数量和原宽表一致，避免数据丢失。
通过上述方法，就可以高效完成Pandas中宽表结构教育经历数据到长表的规范化重构，转换后的长表更适合做按教育阶段的统计、按学校的分布分析等后续操作，提升数据处理的整体效率。