如何在Pandas中将外层列索引转换为Source列并重塑数据？

你的需求是将多层列索引的DataFrame转换为长格式，核心是把外层的source列索引转为单独的Source列，同时保留内层的指标列并按水果重复对应source的数据。以下是具体实现步骤：

步骤1：确认原DataFrame结构 #

假设你的DataFrame名为df，列是多层索引（MultiIndex）：

• 外层索引名为source，取值为1、10、20
• 内层索引为指标名：Ripeness、Tastiness
• 行索引为水果名称：Apple、Banana、Pear

步骤2：使用pandas的stack()方法转换 #

stack()可以将指定层级的列索引转换为行索引，再通过reset_index()将行索引转为普通列，最后调整列顺序即可得到目标格式：

import pandas as pd

# （可选）如果内层列索引没有名称，先设置列索引的名称
df.columns.names = ['source', 'metric']

# 转换核心代码
df_transformed = df.stack(level='source').reset_index()

# 重命名列并调整顺序，匹配目标格式
df_transformed = df_transformed.rename(columns={'source': 'Source'})
df_transformed = df_transformed[['Ripeness', 'Tastiness', 'Source']]

模拟示例验证 #

如果你没有实际数据，可以用以下模拟代码测试：

# 构造模拟原DataFrame
data = {
    (1, 'Ripeness'): [4, 6, 3],
    (1, 'Tastiness'): [10, 5, 5],
    (10, 'Ripeness'): [7, 8, 2],
    (10, 'Tastiness'): [8, 6, 4],
    (20, 'Ripeness'): [5, 9, 4],
    (20, 'Tastiness'): [9, 7, 6]
}
df = pd.DataFrame(data, index=['Apple', 'Banana', 'Pear'])
df.columns.names = ['source', 'metric']

# 执行转换
df_transformed = df.stack(level='source').reset_index().rename(columns={'source': 'Source'})
df_transformed = df_transformed[['Ripeness', 'Tastiness', 'Source']]

print(df_transformed)

输出结果会完全匹配你想要的格式：

Ripeness  Tastiness  Source
Apple            4         10       1
Banana           6          5       1
Pear             3          5       1
Apple            7          8      10
Banana           8          6      10
Pear             2          4      10
Apple            5          9      20
Banana           9          7      20
Pear             4          6      20

内容的提问来源于stack exchange，提问作者msm