Pandas DataFrame能否部分列用多级索引、部分列用单级索引？

问题描述 #

想要创建一个混合列索引的DataFrame，期望视觉效果如下：

|   c    |    |
  |--------|  d |
  | a  | b |    |
================|
  | 1  | 4 |  0 |
  | 2  | 5 |  1 |
  | 3  | 6 |  2 |

尝试代码：

import pandas as pd

df = pd.DataFrame({'a':[1,2,3],'b':[4,5,6], 'd':[0,1,2]})
columns=[('c','a'),('c','b'), 'd']
df.columns=pd.MultiIndex.from_tuples(columns)

得到的结果：

c      d
   a  b NaN
0  1  4   0
1  2  5   1
2  3  6   2

核心需求：

• df['d']返回Series（同普通DataFrame）
• df['c']返回包含a、b列的DataFrame
• df['c']['a']返回Series

解决方案 #

Pandas不支持同时存在单级和多级的混合列索引，所有列必须共享同一层级数的索引。但可以通过以下方式实现接近需求的效果：

方法1：统一为多级索引，补全空层级并优化显示 #

将单级列d补全为和多级列同层级的元组（比如('', 'd')），统一索引层级，再通过样式调整隐藏空的上层索引，模拟混合索引的视觉效果：

import pandas as pd

# 创建基础数据
df = pd.DataFrame({'a':[1,2,3],'b':[4,5,6], 'd':[0,1,2]})
# 统一为多级索引，给d列补上空的上层索引
columns = [('c', 'a'), ('c', 'b'), ('', 'd')]
df.columns = pd.MultiIndex.from_tuples(columns)

# 优化显示：隐藏空的上层表头
styled_df = df.style.set_table_styles([
    {'selector': 'th.col_heading.level0:empty', 'props': [('display', 'none')]}
])
display(styled_df)

此时的访问方式：

• 访问df['c']：返回包含a、b列的DataFrame
• 访问df.xs('d', level=1, axis=1)：返回d列的Series（替代直接df['d']）
• 访问df['c']['a']：返回a列的Series

如果觉得xs方法麻烦，可以给d列设置便捷访问的别名：

df['d'] = df.xs('d', level=1, axis=1)

（注：这会新增一个单级列d，原多级列('', 'd')仍保留，可根据需求选择是否删除原列）

方法2：嵌套DataFrame（不推荐） #

将多级索引部分作为子DataFrame，单级列单独存放，比如：

data = {
    'c': pd.DataFrame({'a':[1,2,3], 'b':[4,5,6]}),
    'd': pd.Series([0,1,2])
}

但这种结构不是标准的DataFrame，后续的合并、筛选、统计等操作会非常不便，仅适合临时展示，不推荐用于数据分析流程。

总结 #

最实用的方案是统一使用多级索引，通过补全空层级+样式调整模拟混合索引的视觉效果，同时用xs方法或别名实现单级列的便捷访问，满足你对列访问的需求。

内容的提问来源于stack exchange，提问作者roschach