如何拆分pandas read_html返回的多级索引DataFrame提取NFL赛事数据

通过调整pd.read_html的传入参数，再搭配简单的列名处理即可去掉多级索引，无需自行解析表格文本：

调整后的代码 #

import undetected_chromedriver.v2 as uc
from selenium.webdriver.common.by import By
import pandas as pd

driver = uc.Chrome()
driver.get("https://www.oddsportal.com/american-football/usa/nfl/")

table = driver.find_element(By.XPATH, '//*[@id="tournamentTable"]').get_attribute('outerHTML')

# 调整读取参数，避免生成多级索引结构
df = pd.read_html(
    table,
    header=0,  # 明确指定表格第一行作为表头，避免pandas自动识别多行为表头
    index_col=False,  # 禁止将首列识别为行索引
    flavor='bs4'
)[0]

# 若仍存在多级列名，一键转为单层结构
if isinstance(df.columns, pd.MultiIndex):
    # 这里直接取多级列的最后一级作为列名，也可以根据需要调整为拼接所有层级内容
    df.columns = [col[-1].strip() for col in df.columns]

参数说明 #

• header=0：强制以表格第一行作为表头基准，是避免生成多级列索引最核心的参数
• index_col=False：关闭pandas自动识别行索引的逻辑，避免生成多级行索引
• flavor='bs4'：指定用BeautifulSoup作为解析器，对这类不规则网页表格的兼容性更好

处理完成后即可得到单层结构的DataFrame，你可以直接在此基础上做列重命名、队伍字段拆分、日期填充等后续处理即可。

内容的提问来源于stack exchange，提问作者Redratz