如何在Pandas中为各列选不同层级将多索引列转为单索引

核心问题 #

读取Excel时将前4行设为表头，得到4层级的MultiIndex列名，但每列的有效表头分布在不同层级，无法通过reorder_levels()或drop_level()批量处理。

解决方案 #

针对每列单独提取有效表头标签，替换为单索引列名，分两种场景：

场景1：自动识别有效表头（适用于每列只有一个非Unnamed:的标签）

直接遍历每一列，筛选出非Unnamed:的表头标签：

import pandas as pd

# 读取带4行表头的Excel文件
df = pd.read_excel("your_file.xlsx", header=[0, 1, 2, 3])

# 逐列提取有效标签
new_col_names = []
for col_tuple in df.columns:
    # 取第一个非Unnamed开头的标签（根据实际情况可改为取最后一个或其他逻辑）
    valid_name = next(name for name in col_tuple if not name.startswith("Unnamed:"))
    new_col_names.append(valid_name)

# 替换为单索引列名
df.columns = new_col_names

场景2：手动指定每列的有效层级（适用于已知每列有效表头所在层级）

如果明确知道每列的有效层级位置（比如示例中第1列有效层级是1，第2列是2，第3列是0），可以直接指定层级提取：

import pandas as pd

df = pd.read_excel("your_file.xlsx", header=[0, 1, 2, 3])

# 定义每列对应的有效层级索引（0开始计数）
target_levels = [1, 2, 0]

# 提取对应层级的标签
new_col_names = [df.columns[i][target_levels[i]] for i in range(len(df.columns))]

# 替换列名
df.columns = new_col_names

效果验证 #

处理后原示例数据的列名将变为：Location Description、Bulletin 17C、50Percentile，与期望结果完全一致。

内容的提问来源于stack exchange，提问作者Erfan