我正在尝试使用wide_to_long来重新组织 Dataframe 。
我当前的df看起来像这样，只是有更多的列，最终会像math_b，阅读_c等：

Course Code   StudentID   score-reading_a   letter-reading_a   score-math_a   letter-math_a
ABC123        123456      98                A                  96             A
ABC123        987654      77                C                  88             B
DEF456        102938      88                B                  99             A

我用df['index'] = df.index在末尾添加了一个索引列
我的目标是让df看起来更像这样：

Course Code   Student ID   subject   score   letter
ABC123        123456       reading_a 98      A
ABC123        123456       math_a    96      A
ABC123        987654       reading_a 77      C
ABC123        987654       math_a    88      B
DEF456        102938       reading_a 88      B
DEF456        102938       math_a    99      A

以下是我的声明：
df_out = pd.wide_to_long(df, stubnames=['score', 'letter'], i='index', j='subject', sep='-')
我得到这个错误：

df_out = pd.wide_to_long(df, stubnames=['score', 'letter'], i='index', j='subject', sep='-')        
  File "C:\Users\...\pandas\core\reshape\melt.py", line 446, in wide_to_long
    value_vars = [get_var_names(df, stub, sep, suffix) for stub in stubnames]
  File "C:\Users\...\pandas\core\reshape\melt.py", line 417, in get_var_names
    return [col for col in df.columns if pattern.match(col)]
TypeError: expected string or buffer

我不是很确定这个语句有什么问题。我之前确实使用了这样的列表重命名了列，因为原始的列名非常混乱：

headers = ['Course Code', 'Student ID', 'score-reading_a', 'letter-reading_a',
           'score-math_a', 'letter-math_b']

df.columns = [headers]

这样重新分配列会导致它无法识别列名吗？或者我完全错了，做了一些完全错误的事情？我试图将列名转换为字符串，但抛出了关于MultiIndex的错误，而且我的MultiIndex只有1级。我使用了这样的语句来尝试以不同的方式转换它，但它只是弄乱了头部，并在wide_to_long函数运行后给我留下了一个空的 Dataframe ：
df.columns = ['_'.join(col) for col in df.columns.values]
除此之外，我唯一没有写下来的代码是read_csv语句。
我确实通过循环和concat得到了我想要的数据，但我希望使用更精简的东西。