如何在Pandas中将两列转为单列并保留对应关联数据？

现有如下结构的Pandas DataFrame：

需要将其转换为以下目标结构：

核心要求：转换操作仅依赖前两列My Code A和My Code B，与后续列的列名无关。

用于测试的DataFrame定义代码：

import pandas as pd
import numpy as np

data = {'My Code A':['1A', np.nan, '3A'],
        'My Code B':['1B', '2B', np.nan],
        'C':['C1', 'C2', 'C3'],
        'O': ['O1', np.nan, 'O3'],
        'L': ['L1', 'L2', np.nan]
        }
df1 = pd.DataFrame(data)

以下两种方法均不依赖后续列的具体名称，仅针对前两列处理：

方法1：使用melt实现 #

# 获取前两列的列名
code_cols = df1.columns[:2]
# 融合前两列，保留其余列的行数据
melted_df = df1.melt(
    id_vars=df1.columns.difference(code_cols),
    value_vars=code_cols,
    value_name='Code'
)
# 过滤空值并整理列结构
result_df = melted_df.dropna(subset=['Code']).drop(columns='variable')
# 调整列顺序，将Code列置于首位
result_df = result_df[['Code'] + df1.columns.difference(code_cols).tolist()]

方法2：使用stack实现（更简洁） #

code_cols = df1.columns[:2]
# 将非代码列设为索引，堆叠前两列展开非空值
stacked_df = df1.set_index(df1.columns.difference(code_cols).tolist())[code_cols].stack().reset_index(name='Code')
# 调整列顺序
result_df = stacked_df[['Code'] + df1.columns.difference(code_cols).tolist()]

两种方法执行后，result_df均为目标结构的DataFrame。

内容的提问来源于stack exchange，提问作者Hendrik