如何用Python Pandas将多层索引列DataFrame转换为长表？

步骤1：读取带多层表头的Excel文件 #

原始表格存在双层表头（季度+指标），读取时需指定header=[0,1]识别多层列索引：

import pandas as pd

# 替换为你的Excel文件路径
df = pd.read_excel('your_file.xlsx', header=[0, 1])
# 将第一列（地区列）重命名并设为索引
df.rename(columns={df.columns[0]: '地区'}, inplace=True)
df.set_index('地区', inplace=True)

步骤2：堆叠多层列索引转换为长格式 #

用stack()处理多层列，将季度维度从列转为行，这比wide_to_long更适配多层索引场景：

# 堆叠第一层列索引（季度），将其转为行维度
df_stacked = df.stack(level=0).reset_index()
# 重命名列匹配目标格式
df_stacked.rename(columns={'level_1': '季度'}, inplace=True)
# 调整列顺序至目标格式
final_df = df_stacked[['地区', '季度', '销售额', '利润']]

为什么wide_to_long失效？ #

wide_to_long要求列名遵循统一的前缀+后缀格式（如Q1_销售额），但你的原始表格是多层列索引结构，并非扁平化命名格式，无法匹配该函数的要求；而stack()可直接处理多层索引的宽表转长表需求。

内容的提问来源于stack exchange，提问作者Armin