将宽格式员工排班表转换为长格式（日期-姓名-状态）的完整教程

本文介绍如何使用 Pandas 的 melt() 方法，将 Excel 中以人员为列标题的宽格式排班表（Date、Bob、Joe、Jane），高效重塑为标准长格式（Date、Name、On/Off），适用于后续分析、可视化或导入数据库。

本文介绍如何使用 Pandas 的 `melt()` 方法，将 Excel 中以人员为列标题的宽格式排班表（Date、Bob、Joe、Jane），高效重塑为标准长格式（Date、Name、On/Off），适用于后续分析、可视化或导入数据库。

在不少真实业务场景里，比如人力资源排班、值班轮岗，或者考勤统计，原始数据往往会采用“人员作列、日期作行”的宽表方式来存放。这样的结构确实方便人工查看，一眼就能对上人和时间；但一旦进入数据分析或建模环节，就显得没那么顺手了。好在 Pandas 专门提供了用于结构化数据重塑的 pd.melt() 函数，能够把这类宽格式数据快速、规范地转换成长格式。

✅ 正确转换步骤

假设您的 Excel 文件名为 schedule.xlsx，且首行为列标题（Date、Bob、Joe、Jane），请按以下流程操作：

import pandas as pd

# 1. 读取 Excel 数据
df = pd.read_excel("schedule.xlsx")

# 2. 执行重塑：保留 'Date' 为标识列，将其他列（Bob/Joe/Jane）“融化”为两列
df_long = pd.melt(
df,
id_vars="Date", # 不参与变形的列（即“主键”列）
var_name="Name",# 原列名将作为新列的值，命名为 'Name'
value_name="On/Off" # 原单元格数值将统一放入此列
)

# 3. 可选：重置索引并保存结果
df_long = df_long.reset_index(drop=True)
df_long.to_csv("schedule_long.csv", index=False)

执行完成后，df_long 的结构就会和预期结果一一对应，格式如下所示： | Date | Name | On/Off | |----------|------|--------| | 1/1/2025 | Bob| 0| | 1/2/2025 | Bob| 1| | 1/3/2025 | Bob| 1| | 1/1/2025 | Joe| 0| | ...| ...| ...|

⚠️ 关键注意事项

• id_vars 必须是字符串（单列）或字符串列表（多列），如需同时保留 Date 和 Shift，可写为 id_vars=["Date", "Shift"]；
• 若 Excel 表含空行或合并单元格，请先用 pd.read_excel(..., skiprows=0) 显式指定起始行，并检查 df.head() 确认数据结构；
• var_name 和 value_name 参数直接定义新列名，无需额外 .rename() —— 更简洁、更不易出错；
• melt() 是不可逆操作，建议在转换前备份原始 DataFrame（如 df_original = df.copy()）。

? 进阶提示：处理多标识列或缺失值

若您的原始表还包含“班次类型”“部门”等辅助维度列，只需将其加入 id_vars 即可同步保留：

df_long = pd.melt(df, id_vars=["Date", "Department"], var_name="Name", value_name="On/Off")

若存在空值（如某日未安排 Jane），melt() 默认保留 NaN。如需过滤掉无效记录，可追加：

df_long = df_long.dropna(subset=["On/Off"])

通过这一标准化重塑，您的排班数据即可无缝接入时间序列分析、人员负荷统计、或 Power BI/Tableau 等可视化工具——真正实现“一次清洗，多处复用”。