Pandas中列名为多层对象时的调用及时间转换问题

一、处理多层列名问题 #

你的DataFrame列名是MultiIndex（多层索引），从提供的字典可见，列名均为元组形式，比如('RECORD', 'Unnamed: 0_level_1')、('TIME/DATE', 'Unnamed: 1_level_1')。

1. 快速简化列名（推荐） #

如果第二行表头都是无效的Unnamed内容，直接提取第一行作为唯一列名：

# 将多层索引的第一层设为新列名
df.columns = df.columns.get_level_values(0)

处理后列名变为单层的RECORD、TIME/DATE、ALARM OR MESSAGE，后续用df.loc[:, "RECORD"]或df["RECORD"]即可正常访问列。

2. 保留多层列名的访问方式 #

若需保留多层结构，访问列时需用元组指定完整层级：

• 访问单个列：df[('TIME/DATE', 'Unnamed: 1_level_1')]
• 用loc筛选行：df.loc[df[('RECORD', 'Unnamed: 0_level_1')] == 1]

二、时间格式转换报错的解决 #

报错源于两个问题：一是列名是多层结构，直接写df['TIME/DATE']无法匹配；二是指定的时间格式与实际字符串不匹配。

正确转换代码 #

先处理列名后，用匹配的格式转换：

# 先简化列名（使用上述方法）
df.columns = df.columns.get_level_values(0)
# 原时间字符串格式为"时分秒.毫秒  月/日/两位年份"，对应格式符如下
df['TIME'] = pd.to_datetime(df['TIME/DATE'], format='%H:%M:%S.%f  %m/%d/%y')

若保留多层列名，需用完整列名元组：

df['TIME'] = pd.to_datetime(df[('TIME/DATE', 'Unnamed: 1_level_1')], format='%H:%M:%S.%f  %m/%d/%y')

其中%y对应两位年份（如22代表2022），%f对应毫秒部分，与你的时间字符串完全匹配，可避免报错。

补充：导入数据时避免多层表头 #

下次用read_csv导入时，若仅第一行是有效表头，直接指定header=0即可，无需设置header=[0,1]：

df = pd.read_csv('your_file.csv', header=0)

内容的提问来源于stack exchange，提问作者user3042850