pandas to_csv保存多级索引DataFrame后读取如何保留原索引表头

问题原因 #

默认参数下pd.to_csv仅写入数据文本内容，不会记录多级列头、行索引的结构元信息，直接用默认参数pd.read_csv读取时，pandas无法自动识别层级结构，就会出现Unnamed:0列、首行空值、索引/表头丢失的问题。

方案1：指定CSV读取参数，完整还原结构 #

不需要修改原有CSV存储逻辑，读取时传入对应参数指定结构即可：

• header=[0,1]：声明前2行属于多级列头
• index_col=0：声明第1列为行索引
• skipinitialspace=True：自动处理单元格前后的冗余空格，避免列名匹配错误

对应读取代码：

import pandas as pd

df = pd.read_csv(
    "dataframe_faces.csv",
    header=[0, 1],
    index_col=0,
    skipinitialspace=True
)

读取完成后可以通过print(df.columns)、print(df.index)校验，结构和原始DataFrame完全一致，不会出现异常空行或无意义列。

方案2：高保真场景用pandas原生序列化格式 #

CSV是通用纯文本格式，本身不支持存储结构化元信息，如果不需要兼容非pandas的读取场景，优先用pickle格式存储，可以100%还原DataFrame的索引、列头、数据类型，不需要额外指定读取参数：

# 存储
az.to_pickle("dataframe_faces.pkl")

# 读取
df = pd.read_pickle("dataframe_faces.pkl")

提示：pickle为pandas专属二进制格式，仅适合在Python/pandas生态内传递数据，需要跨工具共享数据时选择CSV参数方案。

内容的提问来源于stack exchange，提问作者John