Pandas聚合后如何消除二级列索引，将统计字段设为同级别列？

问题说明 #

原始DataFrame列结构：

Indexstruktur   Datensatz   Workload    Selectivity     Dimensionen     Anzahl Datenpunkte  Operation   Measure     Wert

执行分组聚合代码后：

mean_df = df.groupby(["Indexstruktur", "Datensatz","Workload", "Selectivity", "Dimensionen", "Anzahl Datenpunkte", "Operation", "Measure"]).agg({"Wert":['mean','std']})
mean_df.reset_index(inplace=True)

结果生成了两级列索引，聚合得到的mean和std嵌套在Wert层级下，需要将这两个字段转为顶级列，命名为avg和std，与其他列同级。

解决方案 #

方法1：直接处理已生成的多级列索引 #

遍历多级列索引，合并非空层级的名称，再重命名目标列：

# 将多级列索引转为单级，空字符串层级直接忽略
mean_df.columns = ['_'.join(filter(None, col)) for col in mean_df.columns.values]
# 把Wert_mean重命名为avg
mean_df.rename(columns={'Wert_mean': 'avg'}, inplace=True)

方法2：聚合阶段直接指定列名（推荐） #

在agg函数中直接定义最终列名，从根源避免多级索引：

mean_df = df.groupby(
    ["Indexstruktur", "Datensatz","Workload", "Selectivity", "Dimensionen", "Anzahl Datenpunkte", "Operation", "Measure"]
).agg(
    avg=('Wert', 'mean'),  # 直接指定聚合结果列名为avg
    std=('Wert', 'std')    # 直接指定聚合结果列名为std
).reset_index()

说明 #

• 方法2代码更简洁，无需后续处理多级索引，执行效率更高
• 方法1适用于已经生成多级索引的场景，快速完成层级合并

内容的提问来源于stack exchange，提问作者user6346482