Pandas使用pivot_table如何混合列值与列名创建三级MultiIndex

实现方案 #

不需要提前手动构造MultiIndex，两种常用实现方式如下：

方式1：先透视再堆叠（代码更简洁）

先用pivot_table生成列带双层索引的中间结果，再把D/E对应的列索引层转到行索引即可：

import pandas as pd

res = df.pivot_table(
    index=["A", "C"],
    columns="B",
    values=["D", "E"],
    aggfunc="first" # 避免重复值被默认聚合，无重复可省略
).stack(level=0).rename_axis(index={None: "col-name"})

方式2：先转长表再透视（逻辑更直观）

先通过melt把D/E列转成行维度的分类，再直接按你预想的参数调用pivot_table即可：

import pandas as pd

# 先把D/E列转为长格式
df_long = df.melt(
    id_vars=["A", "B", "C"],
    value_vars=["D", "E"],
    var_name="col-name"
)

# 直接按你的需求透视
res = pd.pivot_table(
    df_long,
    columns=["B"],
    values="value",
    index=["A","C","col-name"]
)

两种方法输出结果完全一致，和你预期的格式完全匹配。如果数据中存在缺失的组合，对应位置会自动填充NaN，符合你的需求。

内容的提问来源于stack exchange，提问作者Eorlingu