如何使用Pandas Melt转换Yfinance获取的多股票DataFrame格式

嘿，我来帮你搞定这个问题！你用yfinance拿到的是一个带**多级列（MultiIndex columns）**的DataFrame，想要转成每行对应单只股票月度数据的格式对吧？下面给你两种实用的方案，其中stack()方法会更简洁直观：

方案一：用stack()快速转换（推荐） #

这个方法直接针对多级列的结构，把股票代码层级从列转到行里，一步到位：

# 将第一层级的股票代码（Ticker）从列索引转成行索引的一部分
stacked_data = data.stack(level=0)
# 重置索引，把Date和Ticker变成普通列，同时保留所有指标列
result = stacked_data.reset_index().rename(columns={'level_1': 'Ticker'})

执行完这两行，你就能得到完全符合需求的格式：每行对应一个日期+股票代码的组合，后面跟着Open/High/Low等所有指标。

方案二：用melt()配合透视转换 #

如果你更倾向于用melt()，可以先处理多级列的命名，再通过透视还原指标列：

# 先把多级列转成扁平的元组格式（比如('DYAN.JK', 'Open')）
data.columns = data.columns.to_flat_index()
# 用melt把所有指标列转成行，保留Date作为索引
melted = data.melt(id_vars=[], var_name=('Ticker', 'Metric'), value_name='Value')
# 透视表把Metric转回列，同时重置索引得到最终格式
result = melted.pivot_table(index=['Date', 'Ticker'], columns='Metric', values='Value').reset_index()
# 去掉列名的层级标签，让格式更干净
result.columns.name = None

两种方法都能达到你的目标，方案一的代码更短，也更贴合yfinance返回数据的结构，新手用起来更省心。你可以运行代码后用print(result.head())验证一下结果是否符合预期～

内容的提问来源于stack exchange，提问作者Muhammad Ghifari