如果NA：，您可以使用：stack通过删除受益：

(df.set_index('Codes')
 .replace(0, pd.NA)
 .rename_axis(columns='Dates').stack()
 .reset_index().drop(columns=0)
)

或者使用melt和loc，尽管顺序不同(如果需要，您可以使用sort_values)：

df.melt('Codes', var_name='Date').loc[lambda d: d.pop('value').ne(0)]

输出：

Codes       Dates
0  A1AA  2022-09-04
1  A1BB  2022-09-02
2  A1CC  2022-09-04
3  A2DD  2022-09-03
4  A1EE  2022-09-03
5  A1AA  2022-09-02

正在做dot

s = df.set_index('Codes')
s = s.gt(0).dot(s.columns).reset_index(name='Dates')
Out[34]: 
  Codes       Dates
0  A1AA  2022-09-04
1  A1BB  2022-09-02
2  A1CC  2022-09-04
3  A2DD  2022-09-03
4  A1EE  2022-09-03
5  A1AA  2022-09-02

要使用指定的列序列和行排序(按Dates降序)获得所需的输出，您可以执行以下操作：

df = (
    ((df.set_index('Codes') != 0) @ df.columns[1:])
    .reset_index()
    .iloc[:, ::-1]
    .set_axis(['Dates','Codes'], axis=1)
    .sort_values('Dates', ascending=False, ignore_index=True) )

解释：

• @运算符相当于DataFrame的dot()方法
• set_index()使Codes列不会妨碍对df中剩余的列标签执行dot()
• reset_index()将Codes还原到列
• iloc[]颠倒列顺序
• set_axis()按照操作中指定的方式标记列
• sort_values()将日期按降序排列。

产出：

Dates Codes
0  2022-09-04  A1AA
1  2022-09-04  A1CC
2  2022-09-03  A2DD
3  2022-09-03  A1EE
4  2022-09-02  A1BB
5  2022-09-02  A1AA