如何将多级索引DataFrame的分组值填充至每一行？

我通过.pivot()和.swaplevel()方法创建了一个多级索引DataFrame，代码如下：

df4 = test.pivot(index=['Company', 'EmployeeName', 'ID', 'Position', 'SortCenterOperationType', 'WeightGroup', 'Tarif', 'Hub', 'Cluster'],
             columns='Date', values=['OperationQty', 'faults', 'table_hours', 'hours_for_payment', 'Payment']
            ).swaplevel(axis=1).sort_index(1).reindex(level = 1, columns = ['table_hours', 'hours_for_payment', 'faults', 'OperationQty' , 'Payment'])

我希望将该DataFrame的每个分组行转换为单独的行，同时保留右侧的多级索引表头。我知道可以通过如下方式构建多级索引表头：

([[''], ['Company']],
[[''], ['Name']],
[[''], ['ID']].....)

但不清楚如何将分组值复制到每一行的单元格中，请问有什么解决建议？

• 展开分组索引为普通列
  首先将行的多级索引转换为普通列，此时分组字段的数值会自动填充到每一行对应的单元格中：

  df_expanded = df4.reset_index()
  

• 构建目标多级表头
  按照需求创建两级表头结构，第一级对应空字符串（分组列）和日期（数值列），第二级对应具体列名：

  import pandas as pd
  
  # 拆分分组列和数值列
  group_cols = df_expanded.columns[:9].tolist()
  value_cols = df_expanded.columns[9:].tolist()
  
  # 生成表头的两级数组
  header_top = [''] * len(group_cols) + [col[0] for col in value_cols]
  header_bottom = group_cols + [col[1] for col in value_cols]
  
  # 创建多级索引表头并赋值
  new_multi_header = pd.MultiIndex.from_arrays([header_top, header_bottom])
  df_expanded.columns = new_multi_header
  

• 调整列顺序（可选）
  如果需要和原需求的列顺序完全匹配，可使用reindex方法重新排列列，逻辑与你原代码一致。

经过上述步骤，就能得到分组值逐行填充、同时保留右侧多级索引表头的DataFrame。

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