如何调整Pandas透视表层级：将Duration设为第0层级

现有如下结构的DataFrame：

当前使用如下代码执行透视操作：

df = pd.pivot_table(df, values=['runs', 'volume','revenue'],
                        index=['customer', 'organization', 'currency'],
                        columns=['Duration'],
                        aggfunc=sum,
                        fill_value=0
                  )

当前生成的透视表中，第0层级为volume、revenue等指标，Duration为第1层级。现需求将Duration设为第0层级，volume、revenue、runs作为其子层级，请问该如何实现？

可以通过调整列层级顺序或重塑数据后透视两种方式实现目标结构：

方法1：生成透视表后交换层级 #

先执行原透视表代码，再对列索引交换层级并排序，直接调整层级顺序：

# 生成原透视表
df_pivot = pd.pivot_table(df, values=['runs', 'volume','revenue'],
                          index=['customer', 'organization', 'currency'],
                          columns=['Duration'],
                          aggfunc=sum,
                          fill_value=0
                    )
# 交换列的层级，将Duration设为第0层，指标作为子层级
df_pivot = df_pivot.swaplevel(axis=1).sort_index(axis=1)

方法2：先重塑数据再透视 #

先将宽表转为长表，把指标列转为单独字段，再重新透视直接得到目标层级结构：

# 宽表转长表，提取指标列作为单独的metric字段
df_melted = df.melt(id_vars=['customer', 'organization', 'currency', 'Duration'],
                    value_vars=['runs', 'volume','revenue'],
                    var_name='metric',
                    value_name='value')
# 重新透视，将Duration设为列的第0层级，metric作为子层级
df_pivot = df_melted.pivot_table(index=['customer', 'organization', 'currency'],
                                 columns=['Duration', 'metric'],
                                 values='value',
                                 aggfunc=sum,
                                 fill_value=0)

两种方法均能实现需求，方法1更直接高效，适合已有透视表的场景；方法2适合从原始数据直接构建目标结构的场景。

内容的提问来源于stack exchange，提问作者NSN