如果你有明确的列名：

week           SITE  LAL      SITE.1  LAL.1
0     1  BARTON CHAPEL  1.1  PENASCAL I      1
1     2  BARTON CHAPEL  1.1  PENASCAL I      1
2     3  BARTON CHAPEL  1.1  PENASCAL I      1

可以使用pandas.lreshape：

pd.lreshape(df, {'SITE': ['SITE', 'SITE.1'], 'LAL': ['LAL', 'LAL.1']})

输出：

week           SITE  LAL
0     1  BARTON CHAPEL  1.1
1     2  BARTON CHAPEL  1.1
2     3  BARTON CHAPEL  1.1
3     1     PENASCAL I  1.0
4     2     PENASCAL I  1.0
5     3     PENASCAL I  1.0

对于重复的列，可以使用melt + pivot：

out = (df
   .melt('week').assign(idx=lambda d: d.groupby(['week', 'variable']).cumcount())
   .pivot(index=['idx', 'week'], columns='variable', values='value')
   .reset_index('week').rename_axis(index=None, columns=None)
)

输出：

week  LAL           SITE
0     1  1.1  BARTON CHAPEL
0     2  1.1  BARTON CHAPEL
0     3  1.1  BARTON CHAPEL
1     1    1     PENASCAL I
1     2    1     PENASCAL I
1     3    1     PENASCAL I

这不是一个非常通用的解决方案，但将适用于您的示例：

df.groupby('week').apply( lambda _df : pd.concat((_df.iloc[:,1:3], _df.iloc[:,3:5]))).reset_index('week')

它按周分组，然后用列选择+连接重新整形。最后删除一个多余的索引列。

您可以通过从dataframe_1中提取您想要提取并在底部连接的列来完成此操作：

# create a dummy dataframe with 6 columns and 10 rows
df = pd.DataFrame(np.random.randint(0,100,size=(10, 6)), columns=list('ABCDEF'))

df_tempo = df[['D','E','F']]

然后用相同的名字重命名临时 Dataframe 的列['week'，'SITE'，'LAL']：

df_tempo.columns = ['A','B','C']

然后将temporary与您要保留的第一个dataframe的子集连接起来：

df = pd.concat([df[['A','B','C']], df_tempo], axis=0, ignore_index=True)

希望能帮上忙！