如何为Pandas DataFrame中的列表添加子列索引（如sample 1）？

你需要给DataFrame设置多层列索引（MultiIndex），让主列统一为Processing，子列对应Sample 1到Sample N。以下是修改后的完整代码和关键说明：

修改后的代码 #

import random
import numpy as np
import pandas as pd

low = 0
high = 500
sample_size = 5

def get_numbers(low, high, sample_size):
    return random.sample(range(low, high), sample_size)

# 生成多个numpy数组
p_one = np.array(get_numbers(low, high, sample_size), dtype=int)
p_two = np.array(get_numbers(low, high, sample_size), dtype=int)
p_three = np.array(get_numbers(low, high, sample_size), dtype=int)
p_four = np.array(get_numbers(low, high, sample_size), dtype=int)
p_five = np.array(get_numbers(low, high, sample_size), dtype=int)

# 将数组列表转为DataFrame，转置后让每个数组对应一列
p = [p_one, p_two, p_three, p_four, p_five]
df_rawdata = pd.DataFrame(p).T

# 构造多层列索引
multi_columns = pd.MultiIndex.from_arrays(
    [['Processing'] * len(p), [f'Sample {i+1}' for i in range(len(p))]]
)

# 为DataFrame设置多层列索引
df_rawdata.columns = multi_columns

# 查看结果
print(df_rawdata)

关键说明 #

1. 调整DataFrame结构：原代码用list(zip(p))会把每个数组打包成一行的单个元素，导致仅一列。直接传入数组列表并转置（.T），让每个数组对应一列，行数匹配采样值数量。
2. 构造多层索引：用pd.MultiIndex.from_arrays创建两层索引：
   • 第一层（主列）：重复Processing，对应所有子列
   • 第二层（子列）：自动生成Sample 1到Sample 5的命名
3. 设置索引：将构造好的多层索引赋值给DataFrame的columns属性，即可实现你想要的展示效果。

内容的提问来源于stack exchange，提问作者Nicholas TI