如何通过操作现有DataFrame创建含YYYY-MM列的目标DataFrame？

方法步骤： #

1. 格式化列名：将原始的年份-月份多层列索引（MultiIndex）转换为YYYY-MM格式的字符串，注意给月份补零保证两位格式。
2. 宽表转长表：使用Pandas的melt()函数将宽格式DataFrame转换为长格式，直接得到日期列和数值列。

示例代码： #

假设你的原始DataFrame名为df，列是包含年份（第一层）和月份（第二层）的MultiIndex：

import pandas as pd

# 1. 把MultiIndex列转为YYYY-MM格式的字符串
df.columns = [f"{year}-{month:02d}" for year, month in df.columns]

# 2. 转换为目标长表结构
result_df = df.melt(var_name="YYYY-MM", value_name="数值")

补充说明： #

• f"{year}-{month:02d}"：通过格式化字符串拼接年份和月份，02d确保1-9月自动补零（比如1月转为01），保证日期格式统一。
• melt()：自动将所有列名映射为YYYY-MM列的取值，对应单元格的数值全部归入数值列，完全匹配需求结构。

如果你的原始列名不是MultiIndex（比如列名是2020_1这类字符串），可以先拆分再格式化：

# 处理"年份_月份"格式的列名
df.columns = [
    f"{y}-{m:02d}" 
    for col in df.columns 
    for y, m in [col.split("_")]
]
result_df = df.melt(var_name="YYYY-MM", value_name="数值")

内容的提问来源于stack exchange，提问作者ricenix