只需使用pandas.melt()，然后（按照您的意愿）按城市对结果进行排序：
此函数可用于将DataFrame转换为一种格式，其中一个或多个列是标识符变量（id_vars），而所有其他列（被视为测量变量（value_vars））"取消透视"到行轴，只留下两个非标识符列，"variable"和"value"。

import pandas as pd

df = pd.read_csv('csv.csv')
df = pd.melt(df, id_vars=['City'], var_name='Year', value_name='Population')
df = df.sort_values('City').set_index('City') # Sort `City` values so that they go together and set the index back to `City`
print(df)

Year  Population
City                    
City_1  2000          10
City_1  2005          11
City_1  2010          12
City_1  2015          13
City_2  2000          15
City_2  2005          14
City_2  2010          13
City_2  2015          12
City_3  2000          20
City_3  2005          30
City_3  2010          25
City_3  2015          35

我认为你正在寻找融化功能，它基本上是一个反向透视，将你的数据转换成一个宽长格式。

df_unpivoted = df.melt(id_vars=['City'], var_name='Year', value_name='Population')
print(df_unpivoted)

如果您想了解更多信息，可以阅读此处的文档。
https://pandas.pydata.org/docs/reference/api/pandas.melt.html

• • 取消堆叠**：

df.set_index('City').unstack().reset_index().sort_values(by='City')

输出：

level_0   City    0
0   2000    City_1  10
3   2005    City_1  11
6   2010    City_1  12
9   2015    City_1  13
1   2000    City_2  15
4   2005    City_2  14
7   2010    City_2  13
10  2015    City_2  12
2   2000    City_3  20
5   2005    City_3  30
8   2010    City_3  25
11  2015    City_3  35