如何在Pandas中将多级索引转换为列名后缀？

问题说明 #

现有如下Pandas DataFrame：

import pandas as pd
df = pd.DataFrame(columns=pd.MultiIndex.from_product([['X', 'Y'], ['L', 'R']]), 
             data=[[1, 5, 2, 6],
                   [3, 7, 4, 8]])

其列是双层索引结构：

X       Y
    L   R   L   R
-----------------
0   1   5   2   6
1   3   7   4   8

需要将上层列索引作为后缀添加到下层列名后，得到单级列索引的结果：

L_X  R_X  L_Y  R_Y
----------------------
0   1    5    2    6
1   3    7    4    8

实现方案 #

方案1：列表推导式直接拼接 #

遍历多级列索引的元组，按下层_上层的格式拼接成新列名：

df.columns = [f"{lower}_{upper}" for upper, lower in df.columns]

方案2：map函数配合lambda表达式 #

用map批量处理每个列索引元组，提取并拼接索引值：

df.columns = df.columns.map(lambda idx: f"{idx[1]}_{idx[0]}")

方案3：str.join灵活拼接（支持自定义分隔符） #

通过反转索引元组顺序，再用指定分隔符连接，适合需要调整分隔符的场景：

# 下划线分隔，也可替换为其他字符比如'-'
df.columns = df.columns.map(lambda idx: "_".join(reversed(idx)))

执行任意一种方案后，DataFrame的列都会转换为目标格式，数据保持不变。

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