如何在Pandas中用自定义函数将列名转为多级列

假设你已经有了可用的自定义拆分函数（比如能把Clicks_4adstock_alpha1_beta3拆成['Clicks_4adstock', 'alpha1_beta3']），只需要两步就能把拆分结果转换成多级列索引：

步骤1：批量处理所有列名，生成元组列表 #

遍历DataFrame的所有列，用你的自定义函数拆分每个列名，把拆分后的列表转为元组（MultiIndex要求元素可哈希，元组比列表更合适）：

# 假设你的DataFrame名为df，自定义拆分函数叫split_col_name
multi_col_tuples = [tuple(split_col_name(col)) for col in df.columns]

步骤2：将元组列表转为MultiIndex并替换原列名 #

用pandas的MultiIndex.from_tuples()方法生成多级索引，直接赋值给DataFrame的columns属性即可：

import pandas as pd
df.columns = pd.MultiIndex.from_tuples(multi_col_tuples, names=['核心指标', '参数组合'])

（这里的names参数可以自定义两级列索引的名称，按需修改即可）

完整示例演示 #

如果还没有现成的拆分函数，这里提供一个适配你列名格式的参考实现，搭配完整流程：

import pandas as pd

# 构造测试DataFrame
test_data = {
    'Clicks_alpha0_beta0': [120, 180],
    'Impressions_3adstock_alpha1_beta3': [1500, 2200],
    'Conversions_alpha2_beta1': [7, 11]
}
df = pd.DataFrame(test_data)

# 自定义拆分函数：从右侧拆分出alphaX_betaY部分
def split_col_name(col):
    split_pos = col.rfind('_alpha')  # 定位右侧第一个_alpha的位置
    return (col[:split_pos], col[split_pos+1:])

# 生成多级列
multi_col_tuples = [tuple(split_col_name(col)) for col in df.columns]
df.columns = pd.MultiIndex.from_tuples(multi_col_tuples, names=['Metric', 'Params'])

# 查看结果
print(df)

运行后你会得到带两级列索引的DataFrame，第一级是业务指标名称，第二级是对应的参数组合。

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