优化Python代码以供使用（跳过重复的步骤）

我一直在做一个项目，需要拆分10-12列并堆叠它们。唯一的问题是我必须反复做。我的意思是，一旦我拆分了一列，我将它堆叠起来，然后对其他列重复相同的步骤。 虽然我在运行代码方面没有问题，但我正在寻找一种更有效的方法

我目前正在重复相同的过程10-12次，运行代码需要一些时间，因为有50多个列名

df1 = (df1.set_index(['Announced Date', 'Completed Date', 'Target Company',
                      'Target Dominant Sector', 'Target Dominant Country', 'Target State',
                      'Target Financial Advisor', 'Target Legal Advisor', 'Target Broker', 
                      'Target Accountant', 'Target PR', 'Target Consultant',
                      'Bidder Company', 'Bidder Dominant Country', 'Bidder State',
                      'Bidder Financial Advisor', 'Bidder Legal Advisor', 'Bidder Broker', 
                      'Bidder Accountant', 'Bidder PR', 'Bidder Consultant', 
                      'Seller Company', 'Seller Dominant Country', 'Seller State', 
                      'Seller Financial Advisor', 'Seller Legal Advisor', 'Seller Broker', 
                      'Seller Accountant', 'Seller PR', 'Seller Consultant',
                      'Reported Revenue Multiple Y1', 'Reported EBIT Multiple Y1', 'Reported EBITDA Multiple Y1', 
                      'Reported PE Multiple Y1', 'Reported Book Value Multiple Y1', 'Deal Description', 
                      'Deal Type', 'Deal Nature', "Deal Value USD(m)", 
                      'Deal ID', 'Deal within regular criteria','Target companies', 
                      'Target FAs', 'Taget LAs', "Taget Brokers", 
                      "Target Accountants", 'Target PRs','Target Consultants',
                      'Bidder Companies', 'Bidder FAs', 'Bidder LAs', 
                      "Bidder Brokers", "Bidder Accountants","Bidder PRs",
                      "Bidder Consultants",'Seller Companies']).stack()
        .reset_index(level=[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,
                          29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55], name='Seller FAs')
        .reset_index(drop=True))

我知道我可以使用

df1.列

我可以使用

np.arange（56）

但我无法将这些纳入代码中。有人能帮我提高效率吗？？？

您可以使用：

df1 = (df1.set_index(df1.columns.tolist())
          .stack()
          .reset_index(level=np.arange(56))
          .reset_index(drop=True))

但也许在这里应该更好：

df1 = pd.DataFrame({
         'A':[4,5,4],
         'B':[7,2,3],
         'C':[1,3,1],
})

print (df1)
   A  B  C
0  4  7  1
1  5  2  3
2  4  3  1

df1 = df1.rename_axis('a').reset_index().melt('a',var_name='b', value_name='c')
print (df1)
   a  b  c
0  0  A  4
1  1  A  5
2  2  A  4
3  0  B  7
4  1  B  2
5  2  B  3
6  0  C  1
7  1  C  3
8  2  C  1

如有必要，分类：

df2 = df1.sort_values(['a','b'])
print (df2)
   a  b  c
0  0  A  4
3  0  B  7
6  0  C  1
1  1  A  5
4  1  B  2
7  1  C  3
2  2  A  4
5  2  B  3
8  2  C  1

您可以使用：

df1 = (df1.set_index(df1.columns.tolist())
          .stack()
          .reset_index(level=np.arange(56))
          .reset_index(drop=True))

但也许在这里应该更好：

df1 = pd.DataFrame({
         'A':[4,5,4],
         'B':[7,2,3],
         'C':[1,3,1],
})

print (df1)
   A  B  C
0  4  7  1
1  5  2  3
2  4  3  1

df1 = df1.rename_axis('a').reset_index().melt('a',var_name='b', value_name='c')
print (df1)
   a  b  c
0  0  A  4
1  1  A  5
2  2  A  4
3  0  B  7
4  1  B  2
5  2  B  3
6  0  C  1
7  1  C  3
8  2  C  1

如有必要，分类：

df2 = df1.sort_values(['a','b'])
print (df2)
   a  b  c
0  0  A  4
3  0  B  7
6  0  C  1
1  1  A  5
4  1  B  2
7  1  C  3
2  2  A  4
5  2  B  3
8  2  C  1

---

感谢您的快速回复@jezrael。我试过融化，但没有成功。我用stack实现了预期的结果。我会试试这个，5分钟后告诉你。再次感谢。@amandepsaluja=一件事-所有列都被传递到

set\u index

？Hi@jezrael。我试过上面的方法。直到``df1=（df1.set_index（df1.columns.tolist（））.stack（）``为止的代码工作得很好，但是np.array显示了错误。我认为这是因为当我堆叠拆分的列时，我将其重命名为'Seller FAs'（在上述情况下）.你知道我该怎么做吗？@Amandepsaluja-主要区别是

set\u index+stack

vs

melt

之后列的顺序不同，所以有必要

melt+sort\u value

。谢谢。这确实是一个惊人的建议@jezrael。我一定会开始做的。事实上，我现在就开始做。谢谢，祝你好运感谢您的快速回复@jezrael。我试过融化，但没有成功。我用stack实现了预期的结果。我会试试这个，5分钟后告诉你。再次感谢。@amandepsaluja=一件事-所有列都被传递到

set\u index

？Hi@jezrael。我试过上面的方法。直到``df1=（df1.set_index（df1.columns.tolist（））.stack（）``为止的代码工作得很好，但是np.array显示了错误。我认为这是因为当我堆叠拆分的列时，我将其重命名为'Seller FAs'（在上述情况下）.你知道我该怎么做吗？@Amandepsaluja-主要区别是

set\u index+stack

vs

melt

之后列的顺序不同，所以有必要

melt+sort\u value

。谢谢。这确实是一个惊人的建议@jezrael。我一定会开始做的。事实上，我现在就开始做。谢谢，祝你好运白天。：）