如何用DataFrame的pivot_table实现类SQL透视并简化列名

当你用pivot_table实现类似SQL的Pivot功能后，出现多级索引列名，想要简化成name、grade1、grade2、grade3这样的单级列名，可以用以下两种方法：

方法1：用pivot替代pivot_table（推荐） #

你的场景里每个name+col1的组合都是唯一的，不需要聚合操作，直接用pivot更简洁，生成的列天然是单级索引：

import pandas as pd

df = pd.DataFrame({"col1":["grade1","grade2","grade3"],"score":[70,80,90],"name":["n1","n2","n3"]})
# 直接用pivot指定索引、列、值
r = df.pivot(index="name", columns="col1", values="score").reset_index()
# 移除列名的层级标签（避免输出时显示col1作为列标题）
r.columns.name = None

print(r.columns)
print(r)

运行后输出的列名就是['name', 'grade1', 'grade2', 'grade3']，完全符合需求。

方法2：处理pivot_table的多级列名 #

如果必须使用pivot_table，可以通过修改列名来扁平化层级：

import pandas as pd

df = pd.DataFrame({"col1":["grade1","grade2","grade3"],"score":[70,80,90],"name":["n1","n2","n3"]})
r = pd.pivot_table(df, columns=["col1"], values=["score"], index=["name"]).reset_index()

# 重构列名：保留name列，提取score层级下的grade1/2/3作为列名
r.columns = ['name'] + r.columns.get_level_values(1).tolist()[1:]

print(r.columns)
print(r)

这段代码会把多级列索引的第二层（也就是grade1、grade2、grade3）提取出来作为列名，同时修正name列的显示。

内容的提问来源于stack exchange，提问作者Daniel Wu