Pandas 熊猫：使用DatetimeIndex将timeseries列转换为多索引

我有一个时间序列的csv文件/数据帧，如下所示：

IDX_A   IDX_B   1/1/20  1/2/20  1/3/20
A       1       A1_0    A1_1    A1_2
A       2       A2_0    A2_1    A2_2
B       3       B3_0    B3_1    B3_2
B       4       B4_0    B3_1    B3_2

我想转换为第一级为DatetimeIndex的多索引：

                        F1
Date    IDX_A   IDX_B
1/1/20  A       1       A1_0
                2       A2_0
        B       3       B3_0
                4       B4_0
1/2/20  A       1       A1_1
                2       A2_1
        B       3       B3_1
                4       B3_1
1/3/20  A       1       A1_2
                2       A2_2
        B       3       B3_2
                4       B3_2

我想以前有人问过这个问题，但我只能找到关于单个索引的另一个方向的信息。我将添加额外的功能列并在现有代码中使用，因此这是最适合我的格式，特别是考虑到DatetimeIndex对时间序列有意义。

我的方法：

(df.set_index(['IDX_A','IDX_B'])
   .rename_axis(columns='Date')
   .stack()
   .reorder_levels((2,0,1))
   .sort_index()
   .to_frame(name='F1')
)

或使用

melt

：

(df.melt(['IDX_A','IDX_B'], var_name='Date',value_name='F1')
   .set_index(['Date','IDX_A','IDX_B'])
)

输出：

                      F1
Date   IDX_A IDX_B      
1/1/20 A     1      A1_0
             2      A2_0
       B     3      B3_0
             4      B4_0
1/2/20 A     1      A1_1
             2      A2_1
       B     3      B3_1
             4      B3_1
1/3/20 A     1      A1_2
             2      A2_2
       B     3      B3_2
             4      B3_2

---

谢谢，熔化工作完美，这和我更复杂的真实数据！我要提醒所有来这里确保csv加载了parse_dates=True的人，当我第一次尝试你的答案时，我已经忘记了这一点。