如何将Pandas多级索引DataFrame的结果列拆分为多列并排展示

操作步骤 #

假设你的DataFrame结构类似下面的示例（多级索引为id、employee、date、week，仅包含result列）：

import pandas as pd

# 构造示例数据
data = {'result': ['CustomerA', 'Available', 'Active', 'CustomerB', 'Unavailable', 'Inactive']}
index = pd.MultiIndex.from_tuples(
    [
        (1, 'John', '2024-06-30', 27),
        (1, 'John', '2024-06-30', 27.1),
        (1, 'John', '2024-06-30', 27.2),
        (2, 'Jane', '2024-06-30', 27),
        (2, 'Jane', '2024-06-30', 27.1),
        (2, 'Jane', '2024-06-30', 27.2)
    ],
    names=['id', 'employee', 'date', 'week']
)
df = pd.DataFrame(data, index=index)

1. 重置索引

先把多级索引转换为普通列，方便后续处理：

df_reset = df.reset_index()

2. 映射week到目标字段

根据week的取值（如27对应customer、27.1对应availability、27.2对应status），建立映射关系并生成新的field列：

# 自定义week到字段的映射，根据你的实际情况调整
week_mapping = {
    27: 'customer',
    27.1: 'availability',
    27.2: 'status'
}
df_reset['field'] = df_reset['week'].map(week_mapping)

如果week的小数部分有规律（比如.0对应customer、.1对应availability），也可以用逻辑推导生成field：

df_reset['field'] = df_reset['week'].apply(
    lambda x: ['customer', 'availability', 'status'][int((x - int(x)) * 10)]
)

3. 执行逆透视（转置为宽表）

使用pivot或pivot_table将field列的不同值转为独立列，result作为对应列的值：

# 方法1：pivot（无重复数据时适用）
df_final = df_reset.pivot(
    index=['id', 'employee', 'date'],
    columns='field',
    values='result'
).reset_index()
# 移除列名的层级标签
df_final.columns.name = None

# 方法2：pivot_table（有重复数据或缺失值时更稳定）
df_final = df_reset.pivot_table(
    index=['id', 'employee', 'date'],
    columns='field',
    values='result',
    aggfunc='first'  # 取第一个匹配值，可根据需求调整
).reset_index()
df_final.columns.name = None

执行后，df_final就是每行对应一条完整记录的格式，包含id、employee、date、customer、availability、status等列。

内容的提问来源于stack exchange，提问作者Treemaster