如何使用Pandas将DataFrame的二级索引转换为列索引

没问题，这其实是个典型的**DataFrame重塑（reshape）**需求——把长格式的表转成宽格式，用pandas的pivot方法就能轻松实现，给你一步步演示：

首先，先还原你的原始数据：

import pandas as pd

df = pd.DataFrame({
    'value': [1, 1, 2, 2],
    'idx1': ['a', 'b', 'a', 'b'],
    'idx2': [9, 8, 7, 6]
})

然后一行核心代码完成转换，再做一点点格式调整让它完全匹配你的目标结构：

# 核心逻辑：以value为行基准，idx1的唯一值为列，填充idx2的对应值
result = df.pivot(index='value', columns='idx1', values='idx2')
# 去掉列索引的默认名称（避免保留'idx1'这个表头）
result.columns.name = None
# 把原来的行索引'value'转成列，并改名为你要的'idx1'
result = result.reset_index().rename(columns={'value': 'idx1'})

运行后输出的result就是你想要的格式：

简单拆解下pivot的关键参数：

• index：指定要作为新表行标识的列（这里用value的数值当行号）
• columns：指定要展开成新表列的字段（这里把idx1的'a'、'b'拆成两列）
• values：指定填充到新表单元格里的具体数值（这里用idx2的数字）

如果你的数据存在重复的(value, idx1)组合，那可以用pivot_table并指定聚合函数（比如aggfunc='mean'）来处理，不过你的示例数据没有重复情况，pivot就完全够用啦~

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