Pandas中是否支持在其他列内部创建嵌套子列？

• 你的猜想不成立，Pandas 原生支持你需要的「父级列聚合子级列」的嵌套结构，本质是列维度的多层索引（MultiIndex），你之前没得到预期结果是字典构造写法不符合解析规则，不是功能无法实现。
• 你需要的目标结构为：一级列名固定为Investments，二级列名分别为Jhon、Camile，两个子列独立存储对应数据。

• 第一种test字典的嵌套逻辑是外层键为用户名、内层键为Investments，Pandas 解析这类嵌套字典生成列时，会默认外层键为一级列名、内层键为二级列名，最终生成Jhon/Investments、Camile/Investments两个并列列，层级顺序和需求完全相反。另外你写的Camile对应值列表长度和Jhon不一致，还会触发长度不匹配的报错。
• 第二种test2字典虽然外层键为Investments，但直接传入内层字典的写法，会被Pandas识别为单元格的对象值，不会自动解析为二级列结构，同样无法得到目标结果。

两种最简便的写法如下：

1. 直接通过元组形式的列键构造
   把多层级的列名写成元组，作为DataFrame构造方法的字典键即可，Pandas会自动识别生成MultiIndex列：

   import pandas as pd
   
   df = pd.DataFrame({
       ('Investments', 'Jhon'): [100, 200, 300],
       ('Investments', 'Camile'): [200, 300, -150]
   })
   

2. 显式构造MultiIndex列对象
   如果后续需要扩展更多父级列，可以提前定义多层列索引再传入数据：

   # 对齐的二维数据
   data = [
       [100, 200],
       [200, 300],
       [300, -150]
   ]
   # 定义两层列结构
   columns = pd.MultiIndex.from_tuples([
       ('Investments', 'Jhon'),
       ('Investments', 'Camile')
   ])
   df = pd.DataFrame(data, columns=columns)
   

两种写法输出的结果完全一致，结构如下：

Investments     
         Jhon Camile
0         100    200
1         200    300
2         300   -150

• 筛选单个子列时，传入层级元组即可：df[('Investments', 'Jhon')]
• 所有子列的数值长度必须对齐，长度不一致时需要提前用pd.NA或None填充缺失位，否则会触发构造报错。

内容的提问来源于stack exchange，提问作者FIlipe_Q