如何将带多重索引的pandas Series转换为DataFrame？

你需要将带有capability_name（一级索引）和collection_title（二级索引）的Series转换为以能力名称为行、时间为列的宽表，用unstack()方法就能轻松实现，步骤如下：

1. 转换索引为列 #

使用unstack()将二级索引collection_title转为DataFrame的列：

df = s.unstack(level='collection_title')

level参数可以指定要转换的索引层级，这里直接用索引名更清晰，也可以用位置level=1（因为collection_title是第二层索引）。

2. 调整列顺序 #

默认unstack()后的列顺序是按索引自然排序，你需要手动指定列的顺序来匹配目标格式：

df = df[['Jul 2022', 'Jan 2023']]

完整示例代码 #

import pandas as pd

# 构造原始多级索引Series（模拟你的数据）
data = [3.714286, 3.545455, 4.000000, 3.760000, 3.666667, 3.529412, 3.000000, 3.000000, 2.600000, 2.750000]
index = pd.MultiIndex.from_tuples(
    [
        ('Capability_01', 'Jan 2023'),
        ('Capability_01', 'Jul 2022'),
        ('Capability_02', 'Jan 2023'),
        ('Capability_02', 'Jul 2022'),
        ('Capability_03', 'Jan 2023'),
        ('Capability_03', 'Jul 2022'),
        ('Capability_04', 'Jan 2023'),
        ('Capability_04', 'Jul 2022'),
        ('Capability_05', 'Jan 2023'),
        ('Capability_05', 'Jul 2022'),
    ],
    names=['capability_name', 'collection_title']
)
s = pd.Series(data, index=index, name='capability_score')

# 转换并调整列顺序
df = s.unstack(level='collection_title')
df = df[['Jul 2022', 'Jan 2023']]

print(df)

输出结果 #

Jul 2022  Jan 2023
capability_name                       
Capability_01       3.545455  3.714286
Capability_02       3.760000  4.000000
Capability_03       3.529412  3.666667
Capability_04       3.000000  3.000000
Capability_05       2.750000  2.600000

内容的提问来源于stack exchange，提问作者PeDey