调整Pandas DataFrame多索引列层级以适配Excel导出

要将透视后DataFrame中前两列（CUSTOMER_ID、NAME）的索引层级从第一层级调整到第二层级，你需要直接操作列的MultiIndex——reset_index仅处理行索引，对你的场景无效。以下是具体实现步骤：

示例场景假设 #

假设当前透视后的列MultiIndex结构如下（第一层级是CUSTOMER_ID/NAME/月份，第二层级是对应值类型）：

MultiIndex([('CUSTOMER_ID', 'ID'),
            ('NAME', '客户名称'),
            ('2023-01', '销售额'),
            ('2023-02', '销售额')],
           names=['层级1', '层级2'])

预期调整后的结构（CUSTOMER_ID/NAME移到第二层级，第一层级统一对齐）：

MultiIndex([('ID', 'CUSTOMER_ID'),
            ('客户名称', 'NAME'),
            ('销售额', '2023-01'),
            ('销售额', '2023-02')],
           names=['层级1', '层级2'])

代码实现 #

方法1：针对前两列交换层级

通过遍历列元组，单独调整前两个列的层级顺序，其余列保持原样：

import pandas as pd

# 假设df是你的透视后DataFrame
new_col_tuples = []
for idx, col_tuple in enumerate(df.columns):
    if idx < 2:
        # 交换层级：(原第一层级, 原第二层级) → (原第二层级, 原第一层级)
        adjusted_tuple = (col_tuple[1], col_tuple[0])
    else:
        adjusted_tuple = col_tuple
    new_col_tuples.append(adjusted_tuple)

# 重新设置列的MultiIndex
df.columns = pd.MultiIndex.from_tuples(new_col_tuples)

方法2：使用swaplevel批量处理前两列

如果前两列的层级结构一致，也可以先拆分列、交换层级再合并：

# 拆分前两列和剩余列
first_two_cols = df.columns[:2]
rest_cols = df.columns[2:]

# 交换前两列的层级
adjusted_first_two = first_two_cols.swaplevel()

# 合并调整后的列并重新设置
df.columns = adjusted_first_two.append(rest_cols)

验证调整结果 #

调整后可以通过df.columns查看列的MultiIndex结构，确认CUSTOMER_ID和NAME已移到第二层级，此时即可正常导出Excel。

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