如何为pandas DataFrame的指定列子集添加列索引层级

核心逻辑是直接构造匹配原列顺序的多层列索引（MultiIndex）替换原有单层列索引，不需要对全量列做强制统一设置，可灵活自定义任意列子集的上层归属。

方法1：自定义列分组映射（适配任意零散分组场景） #

这个方法灵活性最高，不管列怎么分组、是否连续都可以用：

1. 构造测试数据（已有DataFrame可跳过这步）

import pandas as pd
import numpy as np

# 构造和示例结构一致的DataFrame
df = pd.DataFrame(
    data=[[0.1, 0.2, -2.0, -0.8], [0.7, 1.1, 9.0, 0.8], [-0.3, 1.0, 2.3, -0.6]],
    index=[0.0, 0.1, 0.2],
    columns=['a', 'b', 'c', 'd']
)
df.index.name = 'myIndex'

2. 定义列和上层分组的对应关系，生成多层列索引后替换原列

# 按需求配置每个列所属的上层分组
col_to_group = {
    'a': 'A',
    'b': 'A',
    'c': 'B',
    'd': 'B'
}

# 生成两层结构的列索引，顺序和原列完全一致
new_cols = pd.MultiIndex.from_tuples(
    [(col_to_group[col], col) for col in df.columns]
)

# 替换原有列索引
df.columns = new_cols

执行后打印df就能得到目标效果：

A          B
                a    b    c    d
myIndex
0.0           0.1  0.2 -2.0 -0.8
0.1           0.7  1.1  9.0  0.8
0.2          -0.3  1.0  2.3 -0.6

方法2：按列块拼接（适配连续列分组场景） #

如果分组列都是连续的块，可以直接用pd.concat加keys参数快速生成，代码更简洁：

# 按列子集拆分后指定上层key，按列方向拼接
df = pd.concat(
    [df[['a', 'b']], df[['c', 'd']]],
    keys=['A', 'B'],
    axis=1
)

输出结果和方法1完全一致。

调整说明 #

• 需要修改分组规则时，方法1直接调整col_to_group字典的对应值即可，方法2调整拆分的列列表和keys顺序即可
• 如果需要给列层级命名，在pd.MultiIndex.from_tuples里传入names=['上层名','下层名']参数即可
• 支持超过2层的列索引，只需要在元组里按从上到下的顺序追加层级值就行

内容的提问来源于stack exchange，提问作者Barzi2001