如何将Yahoo Finance多股票数据逆透视为指定长表格式？

你遇到的问题根源是yfinance.download()返回的DataFrame采用多层列索引（MultiIndex）：第一层是行情指标（Close、High等），第二层是股票代码（AAPL、WMT）。直接用melt无法处理这种结构，需要先对列索引做层级转换。

推荐方法：使用stack()快速转换 #

stack()可以直接将列的某一层级转为行索引，是处理这种多层列结构最简洁的方式：

import yfinance as yf
import pandas as pd
from datetime import date

today = date.today()

# 下载原始宽表数据
data = yf.download("AAPL WMT", start="2023-05-01", end=today).round(2)

# 1. 将日期从索引转为普通列
data_long = data.reset_index()
# 2. 将股票代码（列索引的第二层）转为行数据，生成临时索引
data_long = data_long.stack(level=1).reset_index()
# 3. 重命名列名，匹配需求字段
data_long.columns = ['Date', 'Ticker', 'Adj Close', 'Close', 'High', 'Low', 'Open', 'Volume']
# 4. 调整列的顺序为要求的格式
data_long = data_long[['Date', 'Ticker', 'Close', 'High', 'Low', 'Open', 'Volume', 'Adj Close']]

# 验证结果
print(data_long.head())

关键步骤说明 #

1. reset_index()：把默认的日期索引转为名为Date的普通列，确保日期信息保留在列中。
2. stack(level=1)：指定将列索引的第二层（股票代码）“堆叠”为行的一部分，此时DataFrame的索引会变为Date+Ticker的组合。
3. reset_index()：把组合索引重新转为普通列，得到包含Date、Ticker和所有行情指标的长表。
4. 列名重命名与顺序调整：最终匹配你需要的字段顺序。

备选方法：使用melt实现（适用于复杂场景） #

如果一定要用melt，可以先将多层列索引合并为单层列名，再拆分转换：

data_flat = data.reset_index()
# 合并多层列名为"指标_股票代码"格式
data_flat.columns = ['_'.join(col).strip() if col[0] != 'Date' else col[0] for col in data_flat.columns]
# 转换为长表，拆分指标和股票代码
data_long = pd.melt(data_flat, id_vars=['Date'], var_name='Metric_Ticker', value_name='Value')
data_long[['Metric', 'Ticker']] = data_long['Metric_Ticker'].str.split('_', expand=True)
# 透视回宽表结构，再调整列顺序
data_long = data_long.pivot_table(index=['Date', 'Ticker'], columns='Metric', values='Value').reset_index()
data_long = data_long[['Date', 'Ticker', 'Close', 'High', 'Low', 'Open', 'Volume', 'Adj Close']]

两种方法最终都会生成你需要的长表：每一行对应单只股票的单日数据，包含Date、Ticker、Close、High、Low、Open、Volume、Adj Close字段。

内容的提问来源于stack exchange，提问作者Stix