如何调整DataFrame多层列索引，合并重复年份列为按年分组结构？

你可以通过对DataFrame的列多层索引进行排序来实现需求，核心是让同一年份下的所有子列聚集在一起，具体代码如下：

# 对列索引按「年份（第一层）→ 子列名（第二层）」的顺序排序
df_sorted = df.sort_index(axis=1, level=[0, 1])

原理说明： #

你的原始DataFrame列索引的结构是：第一层为年份，但列是按子列名分组排列的（比如所有年份的PATIENTS列先排，再排所有年份的month列），第二层为子列名。通过sort_index指定按第一层（年份）优先排序，同一年份内再按第二层（子列名）排序，就能自动将同一个年份对应的所有子列（PATIENTS、month、diffs_24h等）聚合到该年份的层级下，形成你想要的列结构。

如果排序后子列的顺序不符合预期，还可以手动指定子列的排序优先级，示例如下：

# 自定义子列的顺序
custom_subcol_order = ['PATIENTS', 'month', 'diffs_24h', 'diffs_168h']
# 先按年份排序，再按自定义的子列顺序排序
df_sorted = df.sort_index(
    axis=1, 
    level=[0, 1], 
    key=lambda x: x.map({v:i for i,v in enumerate(custom_subcol_order)})
)

这样就能确保每个年份下的子列严格按照你指定的顺序排列。

内容的提问来源于stack exchange，提问作者Apollo