从python中的其他3个数据帧创建一个数据帧

我试图创建一个新的df，通过从3个（比如）其他数据帧中获取这些信息来总结我的关键信息

dfdate = {'x1': [2, 4, 7, 5, 6],
     'x2': [2, 2, 2, 6, 7],
     'y1': [3, 1, 4, 5, 9]}
dfdate = pd.DataFrame(df, index=range(0:4))

dfqty = {'x1': [1, 2, 6, 6, 8],
     'x2': [3, 1, 1, 7, 5],
     'y1': [2, 4, 3, 2, 8]}
dfqty = pd.DataFrame(df2, range(0:4))

dfprices = {'x1': [0, 2, 2, 4, 4],
     'x2': [2, 0, 0, 3, 4],
     'y1': [1, 3, 2, 1, 3]}
dfprices = pd.DataFrame(df3, range(0:4))

假设以上3个数据帧是我的数据。比如，一些日期、数量和商品价格。我的新df将根据上述数据构建：

rng = len(dfprices.columns)*len(dfprices.index) # This is the len of new df
dfnew = pd.DataFrame(np.nan,index=range(0,rng),columns=['Letter', 'Number', 'date', 'qty', 'price])

现在，这就是我努力拼凑东西的地方。我试图获取dfdate中的所有数据，并将其放入新df中的一列中。与dfqty和dfprice相同。（因此3x5矩阵基本上转到1x15向量，并放入新的df中）

除此之外，我还需要dfnew中的两列作为标识符，它们来自旧df的列的名称

我试过循环，但没有用，也不知道如何将df转换成系列。但我期望的结果是：

dfnew:
   'Lettercol','Numbercol', 'date', 'qty', 'price'
0     X            1         2       1      0
1     X            1         4       2      2
2     X            1         7       6      2
3     X            1         5       6      4
4     X            1         6       8      4      
5     X            2         2       3      2      
6     X            2         2       1      0                   
7     X            2         2       1      0                 
8     X            2         6       7      3          
9     X            2         7       5      4           
10    Y            1         3       2      1                  
11    Y            1         1       4      3           
12    Y            1         4       3      2           
13    Y            1         5       2      1          
14    Y            1         9       8      3         

其中数字0-14是索引。 字母=DFs中来自列标题的字母 编号=DFs中列标题的编号 接下来的3列是来自原始df的数据

（不要问为什么原始数据的格式如此有趣：）

非常感谢。我的上一个问题没有得到很好的接受，因此我尝试将这一个做得更好，谢谢使用：

#list of DataFrames
dfs = [dfdate, dfqty, dfprices]

#list comprehension with reshape
comb = [x.unstack() for x in dfs]
#join together
df = pd.concat(comb, axis=1, keys=['date', 'qty', 'price'])
#remove second level of MultiIndex and index to column
df = df.reset_index(level=1, drop=True).reset_index().rename(columns={'index':'col'})
#extract all values without first by indexing [1:] and first letter by [0]
df['Number'] = df['col'].str[1:]
df['Letter'] = df['col'].str[0]

cols = ['Letter', 'Number', 'date', 'qty', 'price']
#change order of columns
df = df.reindex(columns=cols)
print (df)
   Letter Number  date  qty  price
0       x      1     2    1      0
1       x      1     4    2      2
2       x      1     7    6      2
3       x      1     5    6      4
4       x      1     6    8      4
5       x      2     2    3      2
6       x      2     2    1      0
7       x      2     2    1      0
8       x      2     6    7      3
9       x      2     7    5      4
10      y      1     3    2      1
11      y      1     1    4      3
12      y      1     4    3      2
13      y      1     5    2      1
14      y      1     9    8      3

---

非常感谢。如果我们有一行额外的代码：df['identifier']=df['col']，即x1、x2和y2的一个col，如果我有另一个具有事务成本的df，比如：tcostmatrix=pd.DataFrame（np.NaN，index=range（0,4），columns=['x1'，x2'，tcoy1']）iloc[：，0]=0.2#tcost-x1 tradecostmatrix.iloc[：，1]=0.3#tcost x2 tradecostmatrix.iloc[：，2]=0.5#tcost x3（即x1=0.2，x2=0.3，y1=0.5）我如何用相应的tcost值创建一个新列？本质上我在python中寻找一个等价的vlookup？我想要的输出是tcost 0.2 1 0.2…14 0.5