如何将DataFrame列中元素拆分为子列（构建多级索引DataFrame）

假设你的DataFrame变量名为df，可以通过以下步骤实现需求：

步骤1：拆分列表列为子列 #

对每一列应用pd.Series，把列表里的两个元素拆成单独的列，同时给子列指定名称（比如["数值", "变动"]）：

import pandas as pd

# 构造示例DataFrame（已加载数据可跳过）
data = {
    "-1W": [[119.06, 1.20], [207.00, 3.70], [313.32, 8.28], [517.90, 10.87]],
    "ME": [[120.27, 0.0], [210.71, 0.0], [321.61, 0.0], [528.77, 0.0]],
    "QE": [[125.85, -5.58], [215.54, -4.83], [325.20, -3.59], [510.14, 18.63]],
    "YE": [[80.53, 39.73], [119.74, 90.97], [203.13, 118.47], [395.14, 133.63]]
}
df = pd.DataFrame(data)

# 拆分每一列的列表元素
split_df = df.apply(lambda col: col.apply(pd.Series), axis=0)

步骤2：设置多级列索引 #

把原来的列名（-1W、ME等）作为上层索引，子列名作为下层索引：

# 定义子列名称
sub_cols = ["数值", "变动"]
# 构建多级列索引
split_df.columns = pd.MultiIndex.from_product([df.columns, sub_cols])

执行后得到的split_df结构如下：

-1W           ME            QE             YE        
        数值    变动    数值   变动    数值    变动    数值     变动
0   119.06   1.20  120.27  0.0  125.85  -5.58   80.53   39.73
1   207.00   3.70  210.71  0.0  215.54  -4.83  119.74   90.97
2   313.32   8.28  321.61  0.0  325.20  -3.59  203.13  118.47
3   517.90  10.87  528.77  0.0  510.14  18.63  395.14  133.63

补充说明 #

• 子列名称可根据需求修改sub_cols的内容；
• 若列表元素长度不一致，拆分后会自动填充NaN，可使用fillna()按需处理。

内容的提问来源于stack exchange，提问作者ho0sh12