如何用Pandas的stack、melt、pivot等操作整理特定混乱DataFrame

可以通过拆分元数据（type/model信息）与数值数据（年份对应值），再合并重塑的方式解决该问题，具体步骤如下：

1. 提取元数据：从原DataFrame的前两行提取每个factor对应的type和model，转置后整理成结构化数据：

meta = df.iloc[:2].set_index('date').T.reset_index()
meta.columns = ['factor', 'type', 'model']

2. 提取并处理数值数据：提取第2行及之后的年份与对应数值，转置后将数值转为整数类型：

values = df.iloc[2:].set_index('date').T.reset_index()
values.columns = ['factor'] + list(df.iloc[2:, 0])
# 转换数值类型
for year in df.iloc[2:, 0]:
    values[year] = values[year].astype(int)

3. 合并数据并设置多级索引：将元数据与数值数据按factor字段合并，再设置model和type为多级索引，得到目标格式：

merged = pd.merge(meta, values, on='factor')
result = merged.drop('factor', axis=1).set_index(['model', 'type'])
# 移除索引名称（可选，匹配目标输出样式）
result.index.names = [None, None]

执行后result的输出即为所需格式：

2020  2021  2022  2023
model_1   type_1     1     2     3     4
          type_2     5     6     7     8
model_2   type_3     9    10    11    12

内容的提问来源于stack exchange，提问作者mahb