Pandas to_latex如何为多级索引透视表配置格式化规则？

格式化规则不生效的核心原因：当DataFrame列是MultiIndex多级结构时，to_latex方法要求formatters字典的键必须是对应列的完整层级元组，仅传入某一层的索引值（比如第二层的large/small）无法匹配到目标列，格式规则自然不会生效。

方案1：按完整列元组构造formatters字典（原生方法适配） #

先打印table.columns确认所有列的完整元组结构，示例中生成的三级列元组格式为(数值列名, C维度值, B维度值)，遍历所有列，按第二层C维度的分类绑定对应格式化函数即可，无需手动枚举所有列：

import numpy as np
import pandas as pd

# 定义格式化函数
def f2(x):
    return f"{x:.2f}"
def f5(x):
    return f"{x:.5f}"

# 构造测试数据与透视表
df = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo","bar", "bar", "bar", "bar"],
                   "B": ["one", "one", "one", "two", "two","one", "one", "two", "two"],
                   "C": ["small", "large", "large", "small","small", "large", "small","small", "large"],
                   "D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
                   "E": [2, 4, 5, 5, 6, 6, 8, 9, 9]})
table = pd.pivot_table(df, values=['D','E'], index=['A'], columns=['C','B'], aggfunc=np.sum)

# 自动生成适配多级列的formatters字典
formatters = {}
for col_tuple in table.columns:
    # 元组索引1对应第二层C维度的分类值
    if col_tuple[1] == 'large':
        formatters[col_tuple] = f2
    elif col_tuple[1] == 'small':
        formatters[col_tuple] = f5

# 调用to_latex即可正常应用格式
latex_output = table.to_latex(
    formatters=formatters,
    longtable=True,
    multirow=True,
    multicolumn=True
)

# 导出到tex文件
with open("pivot_table.tex", "w", encoding="utf-8") as f:
    f.write(latex_output)

方案2：提前格式化数据后导出（适配复杂格式规则） #

如果格式规则逻辑复杂，按列绑定函数维护成本高，可以先将DataFrame内的数值按规则转换为目标格式的字符串，再直接调用to_latex导出，无需传入formatters参数：

formatted_table = table.copy()
for col_tuple in formatted_table.columns:
    if col_tuple[1] == 'large':
        formatted_table[col_tuple] = formatted_table[col_tuple].apply(f2)
    elif col_tuple[1] == 'small':
        formatted_table[col_tuple] = formatted_table[col_tuple].apply(f5)

# 直接导出即可
latex_output = formatted_table.to_latex(longtable=True, multirow=True, multicolumn=True)

注意事项 #

• 多级列场景下formatters不支持单层索引值的模糊匹配，必须传入完整列元组作为键才能正常匹配。
• 如果调整过透视表的列层级顺序，判断分类时要对应调整元组的索引位置，确保取到的是存large/small分类的层级。

内容的提问来源于stack exchange，提问作者k88074