如何正确导入导出带多层列索引的Pandas DataFrame？

方法1：使用CSV格式（需指定表头行数） #

CSV会把多层列索引存储为两行表头，读取时必须明确告知Pandas要读取前两行作为多层索引：

导出代码

# 导出时默认保留多层索引的表头结构，无需额外特殊设置
df_3d20.to_csv("BIST100_2020.csv", index=True)

读取代码

import pandas as pd
# header=[0,1]指定用前两行作为多层列索引，index_col=0将第一列设为行索引
df = pd.read_csv("BIST100_2020.csv", header=[0,1], index_col=0)

验证结构：执行print(df.columns)会看到输出为MultiIndex类型，与原DataFrame结构完全一致。

你之前读取时结构被破坏，是因为默认header=0仅读取第一行作为表头，把第二层索引当成了表头的一部分，Pandas自动给重复的表头名添加.1 .2后缀，导致索引结构混乱。

方法2：使用更适合的二进制/Excel格式（推荐） #

如果不需要CSV的文本可读性，推荐用二进制格式（如Feather、Parquet）或Excel，它们能直接保留多层索引结构，无需额外配置：

方案A：Feather格式（轻量高效）

# 导出
df_3d20.to_feather("BIST100_2020.feather")

# 读取
df = pd.read_feather("BIST100_2020.feather")

方案B：Excel格式

# 导出
df_3d20.to_excel("BIST100_2020.xlsx", index=True)

# 读取
df = pd.read_excel("BIST100_2020.xlsx", header=[0,1], index_col=0)

这些格式不仅能完美保留多层索引，读写速度也远快于CSV，适合处理大数据量场景。

内容的提问来源于stack exchange，提问作者Emrecan Ulu