如何用单步操作熔解MultiIndex DataFrame的单个列层级？

我正在处理一个带MultiIndex列的DataFrame，想要熔解其中一个列层级。目前已找到两步实现的方法，想了解是否可通过单次调用df.melt(**kwargs)或其他函数一步达成预期结果。

示例DataFrame #

import pandas as pd
import datetime
import numpy as np

cols = pd.MultiIndex.from_tuples(
    [
        ('A', 'temp_avg'),
        ('A', 'temp_predicted'),
        ('B', 'temp_avg'),
        ('B', 'temp_predicted'),
    ],
    names=['location', 'name']  # 给列层级命名会让后续操作更清晰
)

df = pd.DataFrame(
    np.random.randn(4,4),
    columns=cols,
    index=pd.date_range(
        datetime.datetime(2013,1,1),
        datetime.datetime(2013,1,4),
    )
)

df.index.names=['date']

当前两步解决方案 #

df_melt = df.reset_index().melt(
    id_vars=[('date', "")],
    var_name=['location', 'name'],
).rename({('date', ''): 'date'}, axis=1)

df_desired = df_melt.pivot_table(
    index=['date', 'location'],
    columns='name',
    values='value',
)

一步实现方法 #

方法1：stack+unstack（推荐） #

这是pandas处理MultiIndex最原生高效的方式，直接通过层级重塑得到目标结果：

# 给列层级命名后，可直接用名称指定层级，代码更易读
df_desired = df.stack('location').unstack('name')

如果没给列层级命名，也可以用层级索引（0代表第一层级）：

df_desired = df.stack(level=0).unstack(level=1)

方法2：链式调用melt+pivot #

如果坚持用melt，可以通过链式调用把两步逻辑合并为一行代码：

df_desired = (
    df.reset_index()
      .melt(id_vars='date', var_name=['location', 'name'])
      .pivot(index=['date', 'location'], columns='name', values='value')
      .rename_axis(None, axis=1)  # 可选操作：移除列索引的名称
)

两种方法得到的结果和你原来两步实现的df_desired完全一致，其中stack+unstack的方式更贴合MultiIndex的设计逻辑，代码更简洁且性能更优。

内容的提问来源于stack exchange，提问作者dg141