Pandas DataFrame透视表问题：索引不重复与表头格式调整

原始DataFrame结构 #

Item_code   Type    year-month  Qty
0   TH-32H400M  O       Jan-22-Q    0.000000
1   TH-32H400M  MPO     Jan-22-Q    0.000000
2   TH-32H400M  ADJ     Jan-22-Q    0.000000
3   TH-32H400M  BP_O    Jan-22-Q    0.000000
4   TH-32H400M  LY_O    Jan-22-Q    0.000000
... ... ... ... ...
1795    TH-75JX660M P   Jun-23-Q    0.000000
1796    TH-75JX660M S   Jun-23-Q    11.538462
1797    TH-75JX660M BP_S    Jun-23-Q    0.000000
1798    TH-75JX660M LY_S    Jun-23-Q    0.000000
1799    TH-75JX660M I   Jun-23-Q    0.769231

执行以下透视代码后得到结果，但存在两个疑问：

new_df = new_df.pivot(index=['Item_code','year-month'], columns='Type', values='Qty')

疑问1：为什么Item_code的值未在每一行重复显示？ #

这是Pandas对**多层索引（MultiIndex）**的默认显示优化——当同一Item_code值连续出现在多行时，为了避免重复冗余，会自动合并显示，只在首次出现时展示值，后续行该位置留空。但本质上这些行的Item_code值和上方完全一致，只是显示做了简化。

如果要强制每一行都显示Item_code，关闭这个优化即可：

pd.set_option('display.multi_sparse', False)

执行后再查看new_df，就能看到每一行都重复显示Item_code的值。

疑问2：如何让所有列名在同一行显示？即去除Type层级，使Item_code、year-month与其他列名处于同一行。 #

pivot操作后，列会生成以Type为顶层的单层列索引（看似有层级，实际顶层就是Type，底层是具体类型值）。要实现列名扁平化，只需提取底层类型值作为列名，再把索引转为普通列：

# 去掉列的Type层级，用具体类型值作为列名
new_df.columns = new_df.columns.droplevel()
# 将多层索引转为普通列
new_df = new_df.reset_index()

处理后，Item_code、year-month和原Type对应的各类值都会作为普通列名在同一行显示，DataFrame变为常规的单层级列结构。

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