如何在Pandas透视两列+值列时/后可靠设置多级列索引顺序

问题核心 #

基于多级索引Series构造DataFrame并透视后，要让列多级索引严格按multi-1、multi-2、multi-3排序，解决swaplevel结果不稳定、值列层级无名称的问题。

问题根源 #

原代码中pivot的columns参数用了集合{"multi-1", "multi-3"}，集合是无序结构，导致每次运行时列层级顺序随机，进而让swaplevel结果不稳定；同时透视后的值列没有单独的层级名称，无法直接用reorder_levels固定顺序。

可靠解决方案 #

方案一：直接从原Series unstack（最简洁）

利用原Series的多级索引直接unstack，再手动构造目标三级列索引，完全可控层级顺序和名称：

import pandas as pd
import numpy as np

arrays = [["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"],
          ["one", "two", "one", "two", "one", "two", "one", "two"]]

tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=["mIndex", "multi-1"])

s = pd.Series(np.random.randn(8), index=index)
s.rename("multi-2", inplace=True)

# 直接unstack展开multi-1层级
result = s.unstack(level="multi-1")

# 用from_product构造三级列索引，指定层级名称和顺序
result.columns = pd.MultiIndex.from_product(
    [result.columns, [s.name], ["SomeText"]],
    names=["multi-1", "multi-2", "multi-3"]
)

print(result)

方案二：修正pivot参数后构造列索引

如果一定要用pivot，需将columns改为有序列表，再手动补充值列层级：

import pandas as pd
import numpy as np

arrays = [["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"],
          ["one", "two", "one", "two", "one", "two", "one", "two"]]

tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=["mIndex", "multi-1"])

s = pd.Series(np.random.randn(8), index=index)
s.rename("multi-2", inplace=True)

df = s.reset_index(level=["multi-1"])
df["multi-3"] = "SomeText"

# columns用有序列表，避免无序问题
df_pivot = df.pivot(columns=["multi-1", "multi-3"], values="multi-2")

# 构造三级列索引，指定层级名称和顺序
new_cols = pd.MultiIndex.from_tuples(
    [(col0, "multi-2", col1) for col0, col1 in df_pivot.columns],
    names=["multi-1", "multi-2", "multi-3"]
)
df_pivot.columns = new_cols

print(df_pivot)

关键要点 #

• 永远用有序列表作为pivot的columns参数，避免集合等无序结构导致的结果不稳定。
• 若需要自定义列多级索引，直接用pd.MultiIndex.from_tuples或from_product构造，可精准控制层级顺序和名称，无需依赖swaplevel或reorder_levels的不确定行为。

内容的提问来源于stack exchange，提问作者DrWhat