.wide_to_long()

pd.wide_to_long(df, stubnames=['VariableA', 'VariableB'], suffix=r'[(]\d+[)]', i='Department', j='Year')

VariableA  VariableB
Department Year                        
A          (2010)      12000      12500
B          (2010)      14000      12070
A          (2011)      13000      13040
B          (2011)      15000      13060

如果需要，可以.reset_index()并从结果Year列中删除()。

是的，有一种方法可以使用pandas重组数据。您可以使用pandas中的melt函数将数据从宽格式重塑为长格式。这里有一个例子，你可以如何实现这一点：

import pandas as pd

# Read the CSV file
df = pd.read_csv('your_data.csv')

# Reshape the data using melt
melted = pd.melt(df, id_vars=['Department'], var_name='Year', 
value_name='Value')

# Extract the variable name from the column name
melted['Variable'] = melted['Year'].str.extract('(\D+)', expand=False)
melted['Year'] = melted['Year'].str.extract('(\d+)', expand=False)

# Reorder the columns
melted = melted[['Year', 'Department', 'Variable', 'Value']]

# Print the resulting dataframe
print(melted)

python
Copy code
import pandas as pd

# Read the CSV file
df = pd.read_csv('your_data.csv')

# Reshape the data using melt
melted = pd.melt(df, id_vars=['Department'], var_name='Year', value_name='Value')

# Extract the variable name from the column name
melted['Variable'] = melted['Year'].str.extract('(\D+)', expand=False)
melted['Year'] = melted['Year'].str.extract('(\d+)', expand=False)

# Reorder the columns
melted = melted[['Year', 'Department', 'Variable', 'Value']]

# Print the resulting dataframe
print(melted)

此代码将原始宽格式数据集转换为长格式数据集，类似于您提供的第二个表。melt函数用于将列'VariableA（2010）'、'VariableA（2011）'、'VariableB（2010）'、'VariableB（2011）'等堆叠到单个列'Value'中，同时保持'Department'列作为标识符。将拆分列名以提取年份和变量名。
确保将'your_data.csv'替换为CSV文件的实际路径或文件名。
通过使用pandas中的melt函数，您可以避免在Excel中手动重新构建数据，并直接在pandas中对重新构建的数据集执行分析。