如何处理Pandas多列透视后多级列索引，重命名为A_X格式？

我完全理解多级索引列名带来的困惑——刚开始接触pandas的多级索引时确实容易绕晕。针对你的需求，我们可以通过简单的几步处理来把多级列名合并成你想要的A_X、A_Z这种格式，同时得到你期望的最终DataFrame：

完整解决方案代码 #

import pandas as pd
import numpy as np

# 原始DataFrame
df = pd.DataFrame({
    'id':[1,2,3,4,5,6], 
    'id_2':[6,5,4,3,2,1], 
    'col_1':['A','A','A','B','B','B'], 
    'col_2':['X','Z','X','Z','X','Z'], 
    'value':[10,20,30,40,50,60]
})

# 执行pivot_table操作
df_pivot = df.pivot_table(
    index=['id','id_2'], 
    columns=['col_1', 'col_2'],
    values='value',  # 明确指定values参数，避免歧义
    aggfunc='first'  # 用first替代lambda x:x，效果一致且更高效
)

# 合并多级列名：将两个层级用下划线连接
df_pivot.columns = df_pivot.columns.map('_'.join)

# 重置索引，把id和id_2从索引转为普通列
df_final = df_pivot.reset_index()

# 查看结果
print(df_final)

关键步骤说明 #

• 明确指定values和aggfunc：你的原始代码里没指定values，虽然pandas会自动识别，但明确写出values='value'会让代码更清晰；另外用aggfunc='first'代替lambda x:x，功能完全相同但执行效率更高。
• 合并多级列名：df.columns.map('_'.join)会遍历每一个多级列名（比如('A', 'X')），把两个元素用下划线拼接成字符串'A_X'，直接替换原有的多级列索引。
• 重置索引：reset_index()会把原来的id和id_2行索引转换为普通列，和你期望的最终DataFrame结构完全匹配。

执行上述代码后，得到的df_final就是你想要的结果：

id  id_2   A_X   A_Z   B_X   B_Z
0   1     6  10.0   NaN   NaN   NaN
1   2     5   NaN  20.0   NaN   NaN
2   3     4  30.0   NaN   NaN   NaN
3   4     3   NaN   NaN   NaN  40.0
4   5     2   NaN   NaN  50.0   NaN
5   6     1   NaN   NaN   NaN  60.0

内容的提问来源于stack exchange，提问作者quant