如何在第一列的最后一行下移动熊猫列？

Question

我正在尝试操作我的熊猫数据框，以便我可以：

1. 创建一个标记为“Ticker”的新列。
2. 将“AAL”列移到“A”列下方
3. 将列 'A' 的所有元素标记为新的 'Ticker' 列中的 A 和新移动的 'AAL' 列的 AAL
4. 将列“A”重命名为“调整关闭”
5. 将索引值复制到“AAL”行的“Adj Close”列的左侧。

实际数据帧输出：

        Adj Close   Adj Close
        A           AAL
Date            
1/11/19 80.22673035 28.54166412
1/12/19 84.7361908  28.57440376
1/1/20  82.17785645 26.74117851

所需的数据帧输出：

        Ticker      Adj Close
Date            
1/11/19    A        80.22673035
1/12/19    A        84.7361908
1/1/20     A        82.17785645     
1/11/19   AAL       28.54166412
1/12/19   AAL       28.57440376
1/1/20    AAL       26.74117851

这是可能的，如果是这样，最好的方法是什么？ 我试过使用 groupby 函数以及 pivot 但还没有得到任何结果。 我是 python 新手，所以我可能做错了什么。

感谢您的帮助并保持安全:)

编辑（请求输出） print(df.to_dict())

{('Adj Close', 'A'): 
{Timestamp('2019-10-01 00:00:00'): nan, 
Timestamp('2019-11-01 00:00:00'): 80.22673034667969, 
Timestamp('2019-12-01 00:00:00'): 84.73619079589844, 
Timestamp('2020-01-01 00:00:00'): 82.1778564453125, 
Timestamp('2020-02-01 00:00:00'): 76.71327209472656, 
Timestamp('2020-03-01 00:00:00'): 71.28850555419922, 
Timestamp('2020-04-01 00:00:00'): 76.4993667602539, 
Timestamp('2020-05-01 00:00:00'): 87.95530700683594, 
Timestamp('2020-06-01 00:00:00'): 88.18482971191406, 
Timestamp('2020-07-01 00:00:00'): 96.33000183105469, 
Timestamp('2020-08-01 00:00:00'): 100.41999816894531, 
Timestamp('2020-09-01 00:00:00'): 100.94000244140625, 
Timestamp('2020-10-01 00:00:00'): 100.01000213623047, 
Timestamp('2020-10-02 00:00:00'): 100.01000213623047}, 
('Adj Close', 'AAL'): 
{Timestamp('2019-10-01 00:00:00'): nan, 
Timestamp('2019-11-01 00:00:00'): 28.541664123535156, 
Timestamp('2019-12-01 00:00:00'): 28.574403762817383, 
Timestamp('2020-01-01 00:00:00'): 26.741178512573242, 
Timestamp('2020-02-01 00:00:00'): 18.9798583984375, 
Timestamp('2020-03-01 00:00:00'): 12.1899995803833, 
Timestamp('2020-04-01 00:00:00'): 12.010000228881836, 
Timestamp('2020-05-01 00:00:00'): 10.5, 
Timestamp('2020-06-01 00:00:00'): 13.069999694824219, 
Timestamp('2020-07-01 00:00:00'): 11.119999885559082, 
Timestamp('2020-08-01 00:00:00'): 13.050000190734863, 
Timestamp('2020-09-01 00:00:00'): 12.289999961853027, 
Timestamp('2020-10-01 00:00:00'): 13.0, 
Timestamp('2020-10-02 00:00:00'): 13.0}}

Answer 1

试试这个，如果你的列头是 multiIndex：

df.stack(1).reset_index().rename(columns={'level_1': 'Ticker'})

输出：

      Date Ticker  Adj Close
0  1/11/19      A  80.226730
1  1/11/19    AAL  28.541664
2  1/12/19      A  84.736191
3  1/12/19    AAL  28.574404
4   1/1/20      A  82.177856
5   1/1/20    AAL  26.741179