如何在Pandas中将单层列DataFrame转为多级列索引DataFrame并保留数据？

你的需求是将单级列的DataFrame重塑为带多级列索引的结构，同时调整数据的行排列。之前用reindex的方式无效，因为该方法只是匹配现有列名，而新的多级列名在原DataFrame中不存在，导致数据丢失。以下是可行的实现方式：

方法一：直接重塑数据并设置多级列索引 #

这是最简洁的方式，先将原数据的一维数组重塑为目标形状，再构造带多级索引的新DataFrame：

import pandas as pd

# 原DataFrame
df = pd.DataFrame({'a': [1], 'b': [2], 'c': [3], 'd': [4]})

# 创建目标多级列索引
multi_columns = pd.MultiIndex.from_arrays([["a", "b"], ["c", "d"]])

# 重塑数据形状并构造新DataFrame
result_df = pd.DataFrame(df.values.reshape(2, 2), columns=multi_columns)

运行后得到的result_df就是你想要的结构：

a   b
   c   d
0  1   2
1  3   4

方法二：拆分合并法 #

如果你需要更清晰的分步操作，可以拆分原数据为两部分，分别对应多级列的上下层，再合并：

# 拆分原数据，分别对应第一行和第二行的数据
row1 = df[['a', 'b']].rename(columns={'a': ('a', 'c'), 'b': ('b', 'd')})
row2 = df[['c', 'd']].rename(columns={'c': ('a', 'c'), 'd': ('b', 'd')})

# 合并两行并重置索引
result_df = pd.concat([row1, row2]).reset_index(drop=True)

为什么你的原方法无效？ #

df.reindex(columns=pd.MultiIndex.from_arrays([["a","b"],["c","d"]])) 仅能根据现有列名重新排列列，但原DataFrame的列是['a','b','c','d']，而新的多级列是[('a','c'), ('b','d')]，两者完全不匹配，因此会生成全NaN的DataFrame，无法保留原有数据。你需要的是重塑数据结构而非单纯的列索引重排。

内容的提问来源于stack exchange，提问作者ccsucic