如何创建值列位于最底层的DataFrame透视表？

问题背景 #

给定如下DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame.from_dict({
    'A': ['A1','A1','A1','A1','A2','A2','A2','A2'],
    'B': ['B1','B1','B2','B2','B3','B3','B4','B4'],
    'C': ['one','two','one','two','one','two','one','two'],
    'D': [0, 0, np.nan, 1, 0, np.nan, 1, 1],
    'E': [1, 1, np.nan, 1, 0, np.nan, 1, 1]
})

需求为：按A、B分组，将C列的取值（one/two）移至列层级的最顶层，最终列名结构为('one', 'D')、('one', 'E')、('two', 'D')、('two', 'E')。

此前尝试的两种方法（pivot_table、groupby+unstack）生成的透视表中，D/E列始终位于列层级最顶层，不符合需求。

解决方案 #

方法1：交换列层级并排序 #

先通过pivot_table生成基础透视表，再交换列的层级顺序并排序：

# 生成基础透视表
pivot_df = df.pivot_table(index=['A', 'B'], columns='C', values=['D', 'E'], aggfunc='sum', fill_value=0)
# 交换列的两个层级（将C列的取值移至顶层）
pivot_df = pivot_df.swaplevel(axis=1)
# 按列层级排序，保证顺序符合预期
pivot_df = pivot_df.sort_index(axis=1)

最终输出的列结构如下：

C        one     two     
          D  E     D  E
A  B                    
A1 B1     0  1     0  1
   B2     0  0     1  1
A2 B3     0  0     0  0
   B4     1  1     1  1

方法2：先重塑数据再透视（更直观） #

先通过melt将D、E列转为行变量，再直接透视得到目标结构：

# 重塑数据：将D、E列转为统一的Metric列
melted_df = df.melt(id_vars=['A', 'B', 'C'], var_name='Metric', value_name='Value')
# 透视生成目标列层级结构
result_df = melted_df.pivot(index=['A', 'B'], columns=['C', 'Metric'], values='Value').fillna(0)

该方法无需额外调整层级，直接生成符合要求的结果。

内容的提问来源于stack exchange，提问作者koshachok