如何使用pandas将多层索引列展开为独立列并转换为长表格式

针对列是两层MultiIndex、行索引为Date的DataFrame，直接使用stack方法转换层级即可，无需循环处理，实现简洁且执行效率高。

实现代码 #

1. （可选）构造测试数据 #

先构造和你给出的示例结构完全一致的测试DataFrame，方便对照验证：

import pandas as pd

# 定义索引和列层级
date_index = pd.Index([2020, 2021, 2022], name="Date")
col_level1 = ["Close", "Open"]
col_level2 = ["AAP", "AWS", "BGG"]
multi_cols = pd.MultiIndex.from_product([col_level1, col_level2], names=["metric", "ticker"])

# 填入示例数值
demo_data = [
    [10, 50, 13, 100, 500, 13],
    [11, 41, 7, 111, 41, 7],
    [12, 50, 13, 122, 50, 13]
]
df = pd.DataFrame(demo_data, index=date_index, columns=multi_cols)

2. 核心转换代码 #

# 将第二层列索引转为行维度，保留第一层列作为指标字段
df_long = df.stack(level=1, future_stack=True).reset_index()
# 将存储原二级列值的列重命名为要求的Index2
df_long.rename(columns={"ticker": "Index2"}, inplace=True)
# 调整列顺序匹配输出要求
df_long = df_long[["Date", "Close", "Open", "Index2"]]

输出结果 #

执行后得到的长表结构和你要求完全一致：

Date  Close  Open Index2
0  2020     10   100    AAP
1  2020     50   500    AWS
2  2020     13    13    BGG
3  2021     11   111    AAP
4  2021     41    41    AWS
5  2021      7     7    BGG
6  2022     12   122    AAP
7  2022     50    50    AWS
8  2022     13    13    BGG

注意事项 #

• 参数future_stack=True用于适配pandas 2.0及以上版本的新stack逻辑，避免版本兼容警告，如果你使用的pandas版本低于2.0，可直接删除该参数，转换效果完全相同。
• 如果你的第一层列除Close、Open外还有High、Low、Volume等其他指标字段，该代码无需修改，会自动保留所有一级指标列，不需要手动枚举字段名。
• level=1代表选择列索引的第二层进行转换，如果你给二级列索引设置了名称（比如示例里的ticker），也可以写成level="ticker"，可读性更强。

内容的提问来源于stack exchange，提问作者Mikul