序列数据重塑：宽格式与长格式
很多做社会序列分析的工具，只“认”宽格式的数据。
👉 啥是宽格式？
打个比方，就像给每个人做一张“时间记录表”：
一个人占一行，每一列对应一个时间点（比如 2000 年、2001 年），一眼就能看到某个人所有时间点的状态。
❌ 宽格式的“不趁手”场景
真要干活的时候，宽格式就有点容易掉链子：
- 想画个趋势图？（比如看 A 和 B 两个人
2000-2002年的状态变化）- 绘图工具（比如
matplotlib、seaborn）大多只认“一行一个时间点”的数据，宽格式的列太多，工具根本不知道“哪个是时间、哪个是状态”，画不出图；
- 绘图工具（比如
- 想把这份数据和其他表合并？（比如合并“每个人的年龄信息”）
- 宽格式里一个人占一行，看似方便，但如果其他表是“一行一个时间点”的格式，合并时很容易出错，得手动调整半天；
- 想做统计建模？（比如分析“时间和状态的关系”）
- 模型需要“每个观测值占一行”—— 宽格式里一个人一行包含多个时间点的观测，模型读不懂，会直接报错。
✅ 长格式：解决痛点的“适配款”
这时候长格式就派上用场了：
- 核心规则：一个个体的一个时间点，占一行；
- 固定列数：不管多少数据，都只有
个体 ID、时间、状态三列； - 工具友好：绘图、合并、建模时，工具能直接“抓”到关键信息，不用你手动拆数据、改格式。
📌 关键原则：没有“更好”，只有“更适配”
没有说哪种格式更好，关键看你要做啥：
- 用宽格式：看数据、整理原始信息（直观）；
- 用长格式：干活（绘图、建模）；
- 后续要做序列分析，再转回宽格式就行。
🎯 这篇指南能帮你啥？
不用手动复制粘贴改格式，用两个现成的辅助函数，点几下就能在宽、长格式之间切换，省时间还不容易出错。
宽格式
宽格式中，每一行代表一个个体，每一列代表一个时间点：
# 宽格式示例
# 导入pandas库（处理表格数据的常用工具）
import pandas as pd
df = pd.DataFrame({
"Entity ID": ["A", "B"], # 每个个体的唯一标识（比如人、样本的编号）
"2000": ["M", "L"], # 2000年对应的状态（比如等级、类别）
"2001": ["H", "M"], # 2001年对应的状态
"2002": ["H", "H"] # 2002年对应的状态
})宽格式数据展示：
| Entity ID | 2000 | 2001 | 2002 |
|---|---|---|---|
| A | M | H | H |
| B | L | M | H |
转换为长格式
用 wide_to_long_format_data()函数:
# 从sequenzo工具库导入转换函数
from sequenzo.utils import wide_to_long_format_data
df_long = wide_to_long_format_data(
df, # 输入的宽格式数据表（就是上面创建的df）
id_col="Entity ID", # 个体标识列的名称（这里是“个体ID”）
time_cols=["2000", "2001", "2002"], # 代表时间点的列名（要转成时间列的那些列）
var_name="year", # 新生成的“时间列”叫什么名字（这里设为“year”，即年份）
value_name="state" # 新生成的“状态列”叫什么名字（这里设为“state”，即状态）
)转换后的长格式数据展示：
| Entity ID | year | state |
|---|---|---|
| A | 2000 | M |
| A | 2001 | H |
| A | 2002 | H |
| B | 2000 | L |
| B | 2001 | M |
| B | 2002 | H |
id_col：个体标识列（比如示例中的"Entity ID"），作用是区分不同的分析对象（比如A和B是两个不同的个体）。time_cols：要转成“时间”的列名列表（比如示例中的 ["2000", "2001", "2002"]），这些列原本是宽格式里的时间点。var_name：新生成的时间列的名称（默认叫"time"），比如数据是按年份记录的，就可以设为"year"。value_name：新生成的状态列的名称（默认叫"state"），用来存每个时间点对应的具体状态（比如等级、类别）。
转回宽格式
如果后续需要用宽格式数据，用 long_to_wide_format_data() 函数就能转回去：
# 从sequenzo工具库导入转换函数
from sequenzo.utils import long_to_wide_format_data
df_wide = long_to_wide_format_data(
df_long, # 输入的长格式DataFrame
id_col="Entity ID", # 个体标识列的名称
time_col="year", # 时间列的名称（对应长格式中的时间列）
state_col="state" # 状态值列的名称（对应长格式中的状态列）
)运行后会得到和原始数据一样的宽格式 DataFrame。
当然！这里有针对 var_name 和 value_name 两个参数在上下文中的英文解释（宽转长格式转换场景下）：
深入理解长宽格式转化中的 var_name 和 value_name 参数
用 pandas.melt() 或者 wide_to_long_format_data() 这两个函数，把序列数据从宽格式改成长格式时，var_name 和 value_name 这两个参数用来决定长格式结果里“新增列叫什么名字”。
var_name="time"：给“时间列”起名字
这个参数设置“新时间列”的名称，这一列会存放原来宽格式中的列名（通常是时间跨度，比如年份、年龄等）。
举个例子：
# 宽格式输入
ID 2000 2001 2002
A M H H
B L M H转为长格式后：
ID time state
A 2000 M
A 2001 H
A 2002 H
B 2000 L
B 2001 M
B 2002 H这里的 "time" 就是新的时间列的名称，里面存的是原来的列名 2000、 2001、 2002。你可以根据数据特点改成更贴切的名字，比如 "year"（年份）或 "age"（年龄）。
value_name="state"
这个参数用来设定新状态列的名称。这一列里存的内容，是原来宽格式中“单元格里的实际值”（也就是每个时间点对应的状态）。
比如你的数据记录的是 "婚姻状态"，就可以把 value_name 设为 "marital_status"，这样一看列名就知道存的是什么，不用猜：
举个例子：
要是你的数据记的是婚姻状态（marital status）随时间变化的情况，你可以这么弄：
df_long = wide_to_long_format_data(
df,
id_col="person_id", # 个体标识列（这里叫"person_id"，即人员 ID ）
time_cols=["2000", "2001", "2002"], # 时间列（年份）
var_name="year", # 时间列名设为"year"（年份）
value_name="marital_status" # 状态列名设为"marital_status"（婚姻状态）
)这样就会得到：
person_id year marital_status
A 2000 Single
A 2001 Married
A 2002 Married
B 2000 Single
...总结
| 参数名称 | 意义（存什么、叫什么） | 常见取值（根据数据选） |
|---|---|---|
var_name | 时间列的名称（数据来自原宽格式里“代表时间的列名”，比如 2000、2001） | "time"（时间）、"year"（年份）、"age"（年龄） |
value_name | 状态列的名称（数据来自原宽格式里“单元格里的实际值”，比如 M、H） | "state"（状态）、"marital_status"（婚姻状态）、"grade"（等级） |
这两个参数仅用于设定长格式中列的名称，没有固定要求，只要符合你的研究场景、能让自己和别人看懂就行。
作者：梁彧祺
翻译：杨子婷