如何将Pandas多重索引DataFrame转换为单索引并新增索引衍生列

如果你想把多重索引（MultiIndex）中的某一层级转为普通列，Pandas原生提供了比for循环高效得多的原生方法，完全不需要手动写循环：

方法1：使用reset_index() #

这是最直接的方案，你可以通过level参数指定要转换的索引层级，未指定的索引会继续保留为行索引；如果不传入level，则所有索引层级都会转为普通列。

示例代码： #

假设你的多重索引包含['类别', '日期']两层，现在要把日期这一层转为列：

# 假设原DataFrame名为df
df_converted = df.reset_index(level='日期')

如果需要一次性转换多个索引层级，把层级名或序号放到列表中即可：

# 同时转换索引'类别'和'日期'
df_converted = df.reset_index(level=['类别', '日期'])

方法2：重置后重新指定索引 #

如果需要保留部分索引，也可以先把所有索引转为列，再用set_index()重新设置要保留的索引：

# 保留'类别'为索引，将'日期'转为列
df_converted = df.reset_index().set_index('类别')

方法3：stack()/unstack()（适用于复杂行列结构） #

如果你的DataFrame同时存在行、列的多重索引，unstack()可以把行索引的某一层转到列维度，stack()则相反，但如果只是单纯将行索引转为普通列，reset_index()的可读性和效率更优。

额外提示： #

• reset_index()默认不会修改原DataFrame，若想直接在原数据上操作，添加inplace=True参数：

df.reset_index(level='日期', inplace=True)

• 除了索引名称，也可以用索引的序号指定层级，比如第一层索引序号为0，第二层为1，level=1即可转换第二层索引。

内容的提问来源于stack exchange，提问作者Mika