如何使用Pandas为DataFrame设置以Ticker为一级列、行情指标为二级列的分层列结构？

刚好我之前处理过类似的需求，你可以通过Pandas的pivot结合层级调整的方法轻松实现这个转换，具体步骤如下：

1. 先回顾你的原始DataFrame #

首先确认你的初始数据结构（已经按日期索引，包含ticker及各类行情字段）：

import pandas as pd

# 创建原始DataFrame
df = pd.DataFrame(index=['2018-01-01','2018-01-02','2018-01-03','2018-01-04'])
df["ticker"] = ['TSLA', 'TSLA', 'IBM', 'IBM']
df["price"] = ['1000', '1200', '101', '108']
df["volume"] = ['100000', '123042', '1087878', '108732']
df["marketcap"] = ['1.2T', '1.4T', '30B', '35B']
df.index.rename('Date', inplace=True)

2. 核心转换代码 #

只需要一行（或者拆分步骤更清晰）就能完成你要的列层级重构：

# 一步到位实现转换
result_df = df.pivot(columns='ticker').swaplevel(axis=1).sort_index(axis=1)

3. 代码解释 #

咱们拆解开看每一步做了什么：

• df.pivot(columns='ticker')：把ticker列的唯一值（TSLA、IBM）转成新的列维度，同时原来的price/volume/marketcap会自动变成二级列。不过这一步后列的层级是**[行情字段, 股票代码]**，和你要的顺序相反。
• swaplevel(axis=1)：交换列的两层层级，把**股票代码（ticker）**放到外层（一级列），行情字段放到内层（二级列），正好匹配你的需求。
• sort_index(axis=1)：对列进行排序，让同一个股票代码下的二级列（price/volume/marketcap）集中在一起，结构更规整。

4. 最终结果 #

运行后你会得到完全符合预期的DataFrame：

ticker      TSLA                          IBM                    
          price  volume marketcap price    volume marketcap
Date                                                        
2018-01-01  1000  100000     1.2T   NaN       NaN      NaN
2018-01-02  1200  123042     1.4T   NaN       NaN      NaN
2018-01-03   NaN     NaN       NaN   101  1087878       30B
2018-01-04   NaN     NaN       NaN   108   108732       35B

内容的提问来源于stack exchange，提问作者MathMan 99