如何对Pandas multilevel DataFrame进行pivot/transpose以实现指定格式转换？

操作步骤 #

要完成这个多级DataFrame的结构转换，核心是调整索引与列的层级关系，具体操作如下：

1. 还原原始DataFrame结构
   先复现你的初始数据结构：

import pandas as pd

data = [['M', 10, 1, 50, 14], ['F', 20, 3, 5, 2]]
columns = pd.MultiIndex.from_tuples([
    ('Gender', ''), ('A', 'sum'), ('A', 'count'), ('B', 'sum'), ('B', 'count')
])
df = pd.DataFrame(data, columns=columns)

2. 将Gender列设为行索引
   把表格中Gender列的M/F值转为行索引，为后续转置做准备：

df = df.set_index(('Gender', ''))

3. 转置DataFrame
   交换行与列，让原有的A/B、sum/count组合成为行索引，M/F成为列：

df_transposed = df.T

4. 拆分多级行索引为普通列
   把转置后的多级行索引拆分为Category（对应A/B）和Metric（对应sum/count）两列：

df_reset = df_transposed.reset_index(names=['Category', 'Metric'])

5. 重塑表格并调整列层级
   通过pivot重新组织结构，再交换列的层级顺序，让M/F成为第一层级列，sum/count成为第二层级：

result = df_reset.pivot(index='Category', columns='Metric').swaplevel(axis=1).sort_index(axis=1)

6. 整理最终格式
   重置行索引，把Category列重命名为Gender，并调整表头对齐：

result = result.reset_index().rename(columns={'Category': 'Gender'})
# 适配多级表头显示逻辑
result.columns = pd.MultiIndex.from_tuples([
    ('Gender', '') if col[0] == 'Gender' else (col[1], col[0]) 
    for col in result.columns
])

执行完上述代码后，输出结果将完全匹配你预期的多级DataFrame结构。

内容的提问来源于stack exchange，提问作者Gen