如何将多索引DataFrame的列名转为第三级索引？

你不需要用循环加groupby，Pandas内置的stack()方法就是干这个的，一步就能把列名转成第三级索引，再调整下索引名称和列名就搞定了。

步骤示例 #

先给你个小例子模拟你的数据结构，再演示操作：

1. 构造模拟数据

import pandas as pd
import numpy as np

# 模拟你的多级索引（Region + years）
index = pd.MultiIndex.from_product(
    [['São Paulo', 'Rio de Janeiro'], [2019, 2020, 2021]],
    names=['Region', 'years']
)
# 模拟产品列（这里只列3个做示例，你实际是95个）
products = ['Abacate', 'Abóbora (inclui butternut)', 'Banana']
df = pd.DataFrame(np.random.rand(6, 3), index=index, columns=products)

2. 转成目标三级索引结构

有两种方式，看你需要哪种形式：

方式一：保持多级索引结构

直接用stack()把列转成第三级索引，然后设置索引名称、把数值转成指定列：

# 列转第三级索引，同时把数值转为名为Productivity的列
result = df.stack().to_frame('Productivity')
# 给第三级索引命名为Products
result.index.names = ['Region', 'years', 'Products']

方式二：把索引转为普通列（方便后续筛选）

如果需要把三级索引都变成普通列，加个reset_index()：

result = df.stack().reset_index(name='Productivity')
# 把自动生成的level_2列重命名为Products
result = result.rename(columns={'level_2': 'Products'})

为什么不用循环groupby？ #

stack()是Pandas专门为这种"列转索引"场景设计的优化方法，比循环高效太多，而且能完美保留多级索引的关联关系，不会出现循环中容易犯的索引对齐错误。

内容的提问来源于stack exchange，提问作者bdzh