如何将多索引Pandas DataFrame扁平化为单行以通过to_sql存入PostgreSQL数据库

我来帮你搞定这个DataFrame扁平化的问题！咱们一步步来，先准确复现原始数据，再把它转换成你需要的单行格式，方便后续用to_sql存入PostgreSQL。

第一步：复现并清理原始DataFrame #

首先咱们先把你提供的CSV数据转换成正确的带多层索引的DataFrame，同时清理数值格式：

import pandas as pd

# 读取CSV，指定前3行作为列的多层索引，第一列作为行索引
df = pd.read_csv('path/to/example.csv', header=[1, 2, 3], index_col=[0])

# 删除第一列（空的列）
df = df.drop(df.columns[0], axis=1)

# 清理数值：去掉数字里的逗号，转成数值类型（空值自动转为NaN）
df = df.replace(',', '', regex=True).apply(pd.to_numeric, errors='coerce')

# 过滤掉所有值都是空的行（比如"All other undergraduates enrolled in credit courses"这一行）
df = df.dropna(how='all')

这一步处理后，咱们得到的df行索引是各类学生群体，列是三层MultiIndex：(就学类型, 性别, 学历层次)，数值也都变成了可计算的格式。

第二步：扁平化生成单行宽表 #

接下来咱们把行索引和列的多层索引拼接成新的列名，然后将所有值平铺成一行：

# 初始化字典存储扁平化后的列名和对应值
flat_data = {}

# 遍历每一行和每一列的组合
for student_group in df.index:
    for (enroll_type, gender, level) in df.columns:
        # 拼接新列名：就学类型 + 性别 + 学历层次 + 学生群体，用空格分隔
        new_col_name = f"{enroll_type} {gender} {level} {student_group}"
        # 获取对应单元格的值
        cell_value = df.loc[student_group, (enroll_type, gender, level)]
        # 添加到字典中（用列表包裹，方便后续转DataFrame）
        flat_data[new_col_name] = [cell_value]

# 转换成单行的DataFrame
flat_df = pd.DataFrame(flat_data)

验证结果 #

现在你打印flat_df，就会得到和你给出的目标结构完全一致的单行DataFrame了！所有原始单元格都对应到了新的列中，空值会显示为NaN（对应你目标里的None，Pandas中二者等价）。

之后你就可以直接用flat_df.to_sql()方法把这个单行数据存入PostgreSQL数据库啦。

内容的提问来源于stack exchange，提问作者Verbal_Kint