加载含多层表头的时间序列DataFrame并转换为可绘图的长表格式

方案1：直接基于现有多层表头DataFrame绘图 #

如果仅需要快速查看单个整流器的电压/电流趋势、或所有整流器同一指标的分布，无需额外转换即可直接绘图，示例代码如下：

import pandas as pd
import matplotlib.pyplot as plt

# 示例：查看编号为R01的整流器的电流随时间变化趋势
df.loc['R01', pd.IndexSlice[:, 'Amps']].plot()
plt.title('整流器R01电流变化趋势')
plt.ylabel('电流(Amps)')
plt.show()

注：代码中pd.IndexSlice用于多层索引筛选，第一个参数匹配第一级列（日期），第二个参数匹配第二级列（指标）

方案2：转换为长表格式（更推荐，适配绝大多数绘图、分析需求） #

仅需几行代码即可完成格式转换，得到你需要的四字段长表结构：

# 堆叠多层列索引，将日期从列头转为行维度
df_long = df.stack(level=0, future_stack=True).reset_index()
# 重命名列名
df_long.columns = ['Rectifier', 'Date', 'Volts', 'Amps']
# 可选：将日期列转为datetime格式，方便后续时间维度分析
df_long['Date'] = pd.to_datetime(df_long['Date'])

转换后使用任意可视化库绘图都非常便捷，例如用seaborn绘制所有整流器的电压趋势：

import seaborn as sns
sns.lineplot(data=df_long, x='Date', y='Volts', hue='Rectifier')
plt.show()

内容的提问来源于stack exchange，提问作者MasterStack880