如何将单索引DataFrame的列标题转换为MultiIndex？

1. 将单索引列转换为两级MultiIndex #

核心是把合并的列标题拆分成两个层级，用pd.MultiIndex.from_tuples()生成多级索引：

代码示例 #

import pandas as pd

# 导入csv数据（假设行分组列名为"家具类型_年份"）
df_mix = pd.read_csv("your_data.csv", index_col="家具类型_年份")

# 拆分列名（以下划线为分隔符，根据实际格式修改）
df_mix.columns = pd.MultiIndex.from_tuples(
    [col.split("_") for col in df_mix.columns],
    names=["大小", "颜色"]  # 指定两级索引的名称
)

执行后即可得到类似df_multi的两级列索引结构。

2. 扁平化数据得到整洁格式 #

用stack()将颜色层级从列转为行，再整理索引与列顺序：

# 扁平化颜色列
st1 = df_mix.stack(level="颜色").reset_index()

# 拆分行索引的分组信息
st1[["家具类型", "年份"]] = st1["家具类型_年份"].str.split("_", expand=True)

# 调整列顺序并重命名数值列
st1 = st1.drop("家具类型_年份", axis=1)
st1 = st1.reindex(columns=["家具类型", "年份", "大小", "颜色", 0])
st1.rename(columns={0: "数量"}, inplace=True)

替代方案：直接用melt()（无需转MultiIndex） #

如果不想生成多级索引，可直接通过melt()拆分列名：

df_mix = pd.read_csv("your_data.csv")

# 宽格式转长格式
st1_melt = df_mix.melt(
    id_vars="家具类型_年份",
    var_name="大小_颜色",
    value_name="数量"
)

# 拆分大小与颜色、家具类型与年份
st1_melt[["大小", "颜色"]] = st1_melt["大小_颜色"].str.split("_", expand=True)
st1_melt[["家具类型", "年份"]] = st1_melt["家具类型_年份"].str.split("_", expand=True)

# 清理冗余列并调整顺序
st1_melt = st1_melt.drop(["家具类型_年份", "大小_颜色"], axis=1)
st1_melt = st1_melt.reindex(columns=["家具类型", "年份", "大小", "颜色", "数量"])

注意事项 #

• 替换split("_")中的分隔符为你实际列名的分隔符（如空格、连字符等）
• 若列名格式不规则，可用正则表达式拆分：str.extract(r"(.+)_(.+)")
• 导入csv时，若行分组是单独的多列而非合并列，无需设置index_col

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