Pandas2.0合并列层级不同的DataFrame报错，求解决方法

问题根源是pd.pivot_table生成的pivotdf采用多层列索引（MultiIndex），而原df是单层列索引。Pandas 2.0对合并操作的列层级一致性检查比1.5版本更严格，因此触发MergeError。

核心解决思路 #

将pivotdf的多层列索引扁平化，转换成单层列名，确保两个DataFrame的列层级一致后再执行合并。

具体实现代码 #

方法1：自定义格式拼接列名

生成透视表后，直接将多层列名按需求拼接，并整合你需要的后缀：

import pandas as pd

# 生成透视表
pivotdf = pd.pivot_table(df, values=["col5", "col6"], index=['date'], columns='Sector')

# 扁平化MultiIndex列名，格式为「值列_行业名_bySector_pivot」
pivotdf.columns = [f"{val_col}_{sector}_bySector_pivot" for val_col, sector in pivotdf.columns]

# 执行左合并
df = pd.merge(df, pivotdf, on=["date"], how="left")

方法2：批量拼接+统一加后缀

如果不需要自定义列名格式，可快速拼接列层级后统一添加后缀：

pivotdf = pd.pivot_table(df, values=["col5", "col6"], index=['date'], columns='Sector')
# 合并多层列名
pivotdf.columns = ['_'.join(col) for col in pivotdf.columns]
# 统一添加后缀
pivotdf = pivotdf.add_suffix("_bySector_pivot")

# 执行合并
df = pd.merge(df, pivotdf, on=["date"], how="left")

补充说明 #

Pandas 2.0的这个改动是为了避免隐式层级转换导致的意外错误，严格的层级检查能让代码逻辑更清晰。如果非要保留多层索引结构，也可以将原df的列转换为多层索引，但这种方法不如扁平化列名直观，一般不推荐。

内容的提问来源于stack exchange，提问作者Rahul Sharma