下面是一个命题，其中包含一些pandas * 内置 * 函数。

import pandas as pd

df = pd.read_excel("Worldwide Rig Count Nov 2022.xlsx",
                   sheet_name="Worldwide_Rigcount", header=None, usecols="B:K", skiprows=6)
    ​
df.dropna(how="all", inplace=True)
df.insert(0, "Year", np.where(df[10].eq("Total World"), df[1], None))
df["Year"].ffill(inplace=True)
df.drop_duplicates(subset= df.columns[2:], inplace=True)
df.columns = ["Year", "Month"] + df.loc[0, 2:].tolist()
df = df.loc[1:, :].reset_index(drop=True)

输出：

print(df.sample(5).to_string())
​
     Year Month Latin America Europe Africa Middle East Asia Pacific Total Intl. Canada  U.S. Total World
613  1975   Mar           310    113    122         173          208         926    192  1651        2769
588  1977   Apr           324    135    165         185          167         976    129  1907        3012
596  1977   Dec           353    142    172         195          182        1044    259  2141        3444
221  2005   Jan           307     57     50         242          204         860    550  1255        2665
566  1979   Aug           440    149    199         144          219        1151    376  2222        3749

检查：

• 48年，每年13行（12个月+平均值）*。

print(df.groupby("Year").size().value_counts())

13    48
dtype: int64

您可以使用pandas melt()函数将数据从宽格式调整为长格式，以便每行包含一个观测值。然后，您可以使用pandas concat()函数将每个工作表中的融合 Dataframe 连接到一个 Dataframe 中。
若要将工作表标题中的年份添加到日期列中，可以使用pandas assign()函数创建一个新列，其中包含工作表名称中的年份。然后，使用pandas datetime.strptime()函数将现有的日期列转换为日期时间对象，其中包含新列中的年份。
下面是一个示例：

import pandas as pd

# create a list of sheet names
sheets = ['Worldwide_Rigcount_2020', 'Worldwide_Rigcount_2021', 'Worldwide_Rigcount_2022']

# create an empty list to store the dataframes
dfs = []

# loop through each sheet
for sheet in sheets:
    # read the sheet into a dataframe
    df = pd.read_excel('Worldwide Rig Count Nov 2022.xlsx', sheet_name=sheet, index_col=None, header=6)
    
    # extract the year from the sheet name
    year = int(sheet.split('_')[-1])
    
    # melt the dataframe from wide to long format
    df_melted = df.melt(id_vars=['Date'])
    
    # add the year from the sheet name to the dataframe
    df_melted = df_melted.assign(year=year)
    
    # convert the date column to datetime objects
    df_melted['Date'] = pd.to_datetime(df_melted['Date'], format='%b %Y', errors='coerce').dt.strftime('%Y-%m-%d') + '-' + df_melted['year'].astype(str)
    
    # append the dataframe to the list
    dfs.append(df_melted)
    
# concat the list of dataframes into a single dataframe
df_final = pd.concat(dfs)

# print the final dataframe
print(df_final)

验证年份和月份内容的另一个解决方案（假定列名位于RigCountWorld_df的第一行）：

df = RigCountWorld_df.copy()
first_col = 2  # First column with data
column_names = df.iloc[0, first_col:].to_list()
df["Year"] = df.iloc[:,[1]].where(df.iloc[:,1].astype(str).str.match(r"^20\d\d$"), None).ffill()
df["Month"] = df.iloc[:,[1]].where(df.iloc[:,1].astype(str).isin(("Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec")), None)
df = df[df['Month'].notna()]
df = df.iloc[:, first_col:].set_index(["Year", "Month"])
df.columns = column_names
df