如何在Pandas DataFrame中创建多级列并修正数据顺序？

方案1：用Excel内置Power Query（无需代码） #

这是最适合非编程用户的方法，能精准控制多级列的结构和顺序：

• 把终端里的原始数据复制到Excel的单列（比如A列），确保每行对应一个包含层级信息的数据项。
• 选中数据列，点击「数据」选项卡 → 「从表格/区域」，确认数据加载到Power Query编辑器。
• 拆分层级：如果数据里有层级分隔符（比如空格缩进、冒号、斜杠），用「转换」选项卡的「拆分列」功能，把每行拆分成「一级列」「二级列」「数值列」三个部分。
• 调整顺序：拖动列的位置，确保顺序是「一级列」→「二级列」→「数值列」，且每行的层级对应正确。
• 生成多级列：选中「一级列」，点击「转换」→「透视列」，设置「值列」为数值列，「高级选项」选「不要聚合」，直接生成带多级表头的表格，再加载回Excel即可。
• 如果已经做了错误转置：在Power Query里选中转置后的列，右键「排序」→按目标顺序手动调整，再重新透视。

方案2：用Python Pandas（适合批量处理） #

如果数据量较大，用代码能更高效控制顺序：

1. 先把终端数据整理成文本文件（比如data.txt），每行格式类似：一级类别 二级类别 数值
2. 读取并解析数据：

import pandas as pd

# 读取数据，按空格拆分列
df = pd.read_csv('data.txt', sep='\s+', names=['level1', 'level2', 'value'])

# 按目标顺序排序层级（比如指定一级列的顺序）
target_level1_order = ['类别A', '类别B', '类别C']
df['level1'] = pd.Categorical(df['level1'], categories=target_level1_order, ordered=True)
df = df.sort_values('level1')

# 构建多级列结构
pivot_df = df.pivot(index='level1', columns='level2', values='value')

# 导出到Excel
pivot_df.to_excel('result.xlsx', merge_cells=True)

• 关键：通过pd.Categorical强制指定一级列的顺序，避免转置或透视后顺序混乱。

核心注意点 #

• 转置操作本身不会乱序，问题出在转置前的原始数据顺序和目标列顺序不匹配：转置前必须确保原始数据的行顺序完全对应目标列的层级顺序（比如先把所有一级列A的二级项排完，再排一级列B的）。
• 尽量避免直接转置无结构的终端数据，先把数据拆分成「层级+数值」的规整二维结构，再用透视/ pivot生成多级列，这才是正确的流程。

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