如何将MultiIndex类型的DataFrame转换为单索引DataFrame？

你代码里生成MultiIndex列的核心原因是赋值列名时多加了一层嵌套列表：columns_list = [df_duplicate.iloc[0].values] 这段代码把一维的列名序列套成了二维结构，pandas会自动将这种结构解析为多层列索引。另外你用的reset_index()方法是用来重置行索引的，对列索引没有任何修改作用，自然达不到预期效果。

方案1：直接修改原逻辑，从根源避免生成MultiIndex #

直接修改列名赋值逻辑，去掉外层嵌套列表即可，同时优化原有判断逻辑的兼容问题，修正后的完整代码如下：

import pandas as pd

def read_file(file):
    """
    读取带ITD_前缀工作表的Excel，自动跳过表头前的无用行，返回单索引DataFrame
    """
    excel = pd.ExcelFile(file)
    # 匹配带ITD_前缀的工作表
    read_sheet = None
    sheet_prefix = 'ITD_'
    for sheet_name in excel.sheet_names:
        if sheet_prefix in sheet_name:
            read_sheet = sheet_name
            break # 匹配到第一个符合要求的表就停止，需要取最后一个的话去掉break即可
    if not read_sheet:
        raise ValueError("未找到带ITD_前缀的工作表")
    
    df_duplicate = pd.read_excel(file, sheet_name=read_sheet)
    
    # 循环删除顶部无用行，直到第一列列名为ACCIDENT ID
    while df_duplicate.columns[0] != 'ACCIDENT ID':
        # 直接将第一行设为新列名，不要套外层列表，避免生成MultiIndex
        df_duplicate.columns = df_duplicate.iloc[0].values
        df_duplicate = df_duplicate.iloc[1:].reset_index(drop=True)
    
    # 后续清洗逻辑不变
    df_duplicate = df_duplicate.dropna(how='all', axis='columns')
    df_duplicate = df_duplicate.reset_index(drop=True)
    
    return df_duplicate

方案2：已有MultiIndex列的DataFrame转单索引 #

如果你不想修改原有读取逻辑，也可以在返回结果前加一行代码提取第一层列名作为单索引：

# 提取MultiIndex的第一层作为列名，0对应第一层，有需要可以换成其他层级的序号
df_duplicate.columns = df_duplicate.columns.get_level_values(0)

将这行代码加在return df_duplicate之前即可。

内容的提问来源于stack exchange，提问作者Nhyi