Pandas多层索引交换后合并同层级条目技术问题

你提到用swaplevel(0,1)（应该是你写的swap是笔误，pandas里的官方方法是swaplevel）只完成了层级交换，但没看到相同条目合并的效果——这是因为swaplevel仅调整层级顺序，不会对索引进行排序，相同的索引值还是分散在不同位置，pandas也就不会合并显示它们。

要实现你想要的相同层级条目合并显示，只需要在交换层级后对索引进行排序，让相同的上层索引值连续排列，pandas就会自动合并展示这些重复的索引条目了。

完整解决方案代码 #

import pandas as pd

# 原数据构建
idx2 = pd.MultiIndex.from_tuples([("A5",6),("A5",1), ("A2",2),("A2",1),("A3",1),("A3",2), ("A4",4),("A4",1), ("A1",1),("A1",2)], names = ['first','second'])
df2 = pd.DataFrame({"A":[10, 11, 7, 8, 5,1,2,3,4,5], "B":[21, 5, 32, 4, 6,1,2,3,4,5], "C":[11, 21, 23, 7, 9,1,2,3,4,5], "D":[1, 5, 3, 8, 6,1,2,3,4,5]}, index = idx2)

# 交换层级 + 排序索引，实现相同条目合并显示
result = df2.swaplevel(0, 1).sort_index()
print(result)

效果说明 #

执行上述代码后，交换后的上层索引（原second列）中相同的值会被合并显示（比如值为1的索引只会在第一行显示，下方同值的位置会留白），对应的下层索引（原first列）会依次排列，完全符合你期望的合并效果。

如果你的需求不是显示层面的合并，而是需要对相同索引的行进行数据聚合（比如求和、取均值），可以再结合groupby操作，例如：

# 对交换后的相同索引行求和聚合
agg_result = df2.swaplevel(0, 1).groupby(level=[0,1]).sum()

内容的提问来源于stack exchange，提问作者Melendowski