请求协助重塑Pandas DataFrame：从指定源格式转换为目标格式

先看你的源DataFrame，这是典型的复合表头+宽格式数据：前两行定义了后面数值列的分组（A/B）和日期，第三、四行是对应Clasif1（PRE/POST）和Currency的数值。我们需要把它转成标准的长格式，让每个Clasif1条目对应一条分组、日期、数值的记录。

下面是分步实现的代码：

1. 准备源数据并提取表头信息 #

先明确数据结构：前两行是后面数值列的元数据（分组和日期），第三、四行是实际观测数据。

import pandas as pd
import numpy as np

# 源DataFrame
df = pd.DataFrame({
    'Clasif1': [np.NaN, np.NaN, 'PRE', 'POST'],
    'Currency': [np.NaN, np.NaN, 'LC', 'USD'],
    'Unnamed: 1': ['A','01/01/2018',1,7],
    'Unnamed: 2': ['A','02/01/2018',2,8],
    'Unnamed: 3': ['A','03/01/2018',3,9],
    'Unnamed: 4': ['B','01/01/2018',4,10],
    'Unnamed: 5': ['B','02/01/2018',5,11],
    'Unnamed: 6': ['B','03/01/2018',6,12]
})

# 提取后面数值列的分组（A/B）和日期信息
groups = df.iloc[0, 2:].tolist()
dates = df.iloc[1, 2:].tolist()

# 取出实际的观测数据行（第三、四行），重置索引
df_data = df.iloc[2:].reset_index(drop=True)

2. 重塑宽格式为长格式 #

用pd.melt把宽格式的数值列转成长格式，再把之前提取的分组和日期信息合并进去：

# 把数值列转成长格式
df_melted = df_data.melt(
    id_vars=['Clasif1', 'Currency'],
    value_name='Value'
)

# 添加分组和日期列（重复对应每一行观测数据）
df_melted['Group'] = groups * len(df_data)
df_melted['Date'] = dates * len(df_data)

# 调整列顺序，删除不需要的原列名
df_result = df_melted.drop(columns=['variable'])[['Clasif1', 'Currency', 'Group', 'Date', 'Value']]

3. 查看最终结果 #

现在df_result就是你需要的结构，前几行输出如下：

Clasif1 Currency Group        Date Value
0     PRE       LC     A  01/01/2018     1
1    POST       USD     A  01/01/2018     7
2     PRE       LC     A  02/01/2018     2
3    POST       USD     A  02/01/2018     8
4     PRE       LC     A  03/01/2018     3
5    POST       USD     A  03/01/2018     9
...

简单解释下逻辑：

• 先剥离前两行的元数据（分组、日期），因为它们是每个数值列的标识
• 用melt把每行的多个数值列拆成多行，保留Clasif1和Currency作为分组变量
• 最后把元数据对应到每一行，得到标准的长格式数据，方便后续分析或可视化

内容的提问来源于stack exchange，提问作者Cristian Saavedra Desmoineaux