如何将Pandas DataFrame的单级列索引转换为多级列索引

实现方案 #

你可以通过pandas.MultiIndex.from_arrays方法实现需求，全程不会修改原始DataFrame的数据：

1. 先复制原始DataFrame生成新对象，避免改动原有数据
2. 构建两级列索引数组，第一级为上层分组标识（A/B），第二级保留原有列名
3. 将新的多级索引赋值给新DataFrame的columns属性

完整示例代码

import pandas as pd

# 模拟你的原始DataFrame
df = pd.DataFrame(
    [[1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12]],
    columns=["A1", "A2", "A3", "B1", "B2", "B3"]
)

# 复制原数据，不修改原有内容
new_df = df.copy()

# 方式1：自动根据列名首字母生成分组，适合列名规则的场景
new_df.columns = pd.MultiIndex.from_arrays(
    [
        [col[0] for col in df.columns], # 上层索引：A/B
        df.columns                      # 下层索引：保留原有列名
    ]
)

# 方式2：手动指定分组，适合列名不规则、按位置分组的场景（前3列A组，后3列B组）
# group_level = ["A"] * 3 + ["B"] * 3
# new_df.columns = pd.MultiIndex.from_arrays([group_level, df.columns])

# 验证结果
print(new_df)

输出结果符合你预期的两级列索引结构，原始df的数据和索引不会有任何改动。

内容的提问来源于stack exchange，提问作者Marioanzas