如何在多层索引DataFrame中使用pd.melt()并显示股票代码？

场景1：使用yfinance.download批量拉取数据（返回多层索引列） #

当你用yfinance.download()拉取多只股票时，返回的数据列是多层索引（MultiIndex），第一层是行情指标（Open、High等），第二层是股票代码。直接用pd.melt()会丢失股票代码维度，需要先将多层索引转换为可识别的列：

方法1：用stack()转成长格式（推荐）

import yfinance as yf
import pandas as pd

acoes = ["PETR4.SA", "BOVA11.SA", "VALE3.SA"]
# 拉取数据，group_by='ticker'确保按股票分组
dados = yf.download(acoes, start="2023-01-01", group_by='ticker')

# 将股票代码从列索引转成单独的'Ativo'列
df_long = dados.stack(level=0).reset_index().rename(columns={'level_1': 'Ativo'})

这样处理后，df_long里的'Ativo'列会直接显示对应股票代码，后续如果需要用melt处理指标列，直接指定id_vars=['Date', 'Ativo']即可。

方法2：拆分列名后再melt

如果坚持用pd.melt()，可以先把多层索引的列名合并，再拆分出股票代码：

# 合并多层索引列名为"指标_股票代码"格式
dados.columns = dados.columns.map('_'.join)

# 执行melt
df_melted = dados.melt(var_name='Indicador_Ativo', value_name='Valor')

# 拆分列名得到指标和股票代码
df_melted[['Indicador', 'Ativo']] = df_melted['Indicador_Ativo'].str.split('_', expand=True)

# 删除临时列
df_melted = df_melted.drop('Indicador_Ativo', axis=1)

场景2：循环拉取单只股票数据后合并 #

如果是通过循环逐个拉取股票数据再合并，必须在每只股票的DataFrame中手动添加Ativo列存储股票代码，否则合并后会丢失该信息：

import yfinance as yf
import pandas as pd

acoes = ["PETR4.SA", "BOVA11.SA", "VALE3.SA"]
dados_list = []

for acao in acoes:
    df = yf.Ticker(acao).history(start="2023-01-01")
    df['Ativo'] = acao  # 关键：添加股票代码列
    dados_list.append(df)

# 合并所有数据
dados = pd.concat(dados_list)

# 执行melt时保留'Ativo'列
df_melted = pd.melt(dados, id_vars=['Date', 'Ativo'], var_name='Indicador', value_name='Valor')

内容的提问来源于stack exchange，提问作者Hugo Carvalho