Pandas如何将DataFrame多列转换为MultiIndex多层索引？

最简单的方式是直接使用pandas原生的stack()接口实现，不需要手动构造多层索引的元组列表，核心转换逻辑仅需一行链式调用即可，输出结果和目标结构完全匹配：

import pandas as pd

# 构造原始示例DataFrame
origin_df = pd.DataFrame(data={"a": [1,2], "b": [3,4], "c": [5,6]}, index=[0,1])

# 转换为目标结构
target_df = origin_df.stack()\
    .swaplevel()\
    .rename_axis(["var", "id"])\
    .rename("foo")\
    .sort_index()\
    .to_frame()

逻辑说明 #

• stack()：将原始宽表的列转换为行索引的最内层，此时返回值为Series，外层索引是原表的行标记0、1，内层索引是原表的列名a、b、c
• swaplevel()：交换两层行索引的顺序，将原列名对应的层放到外层，原行标记对应的层放到内层
• rename_axis(["var", "id"])：按从外到内的顺序给两层索引命名
• rename("foo")：给值列设置名称，对应目标表的foo列
• sort_index()：按多层索引排序，保证同一var下的id按0、1顺序排列，和目标表的展示顺序完全一致
• to_frame()：将单值Series转换为单列DataFrame结构

对比手动构造MultiIndex、用melt再重设索引的方案，这种写法完全依托pandas原生的长宽表转换逻辑，代码更简洁，运行性能也更好，不会出现索引和值匹配错位的问题。

内容的提问来源于stack exchange，提问作者user344577