Pandas中groupby+apply返回DataFrame时消除额外索引的通用方案

当你使用groupby.apply返回自定义DataFrame时，确实会遇到分组键+返回DataFrame索引组成的多级索引问题，而依赖level_N的删除方法不够通用。这里有两种可靠的通用方案，适配任意数量的分组列：

方案1：在Apply时将分组键合并到结果中 #

这种方法直接在分组处理时把分组键作为普通列添加到返回的DataFrame里，避免后续索引处理的麻烦：

import pandas as pd

dft = pd.DataFrame({'C1': ['A','A','B','B'], 'C2': [1,2,3,4]})
def lam3(df):
    # 模拟实际场景中依赖分组df的逻辑
    return pd.DataFrame({'X': ['C','D','E'], 'Y': [11,22,33]})

# 定义分组键列表
group_cols = ['C1', 'C2']

# 在apply中通过assign添加分组键
result = dft.groupby(group_cols).apply(
    lambda group: lam3(group).assign(**group.iloc[0][group_cols])
).reset_index(drop=True)

print(result)

输出：

X   Y C1  C2
0  C  11  A   1
1  D  22  A   1
2  E  33  A   1
3  C  11  A   2
4  D  22  A   2
5  E  33  A   2
6  C  11  B   3
7  D  22  B   3
8  E  33  B   3
9  C  11  B   4
10 D  22  B   4
11 E  33  B   4

原理：group.iloc[0][group_cols]获取当前分组的键值（同一分组内键值一致），通过assign将这些键作为新列添加到lam3返回的DataFrame中，最后reset_index(drop=True)直接删除所有索引层级，得到干净的结果。

方案2：事后将分组索引层级转为列 #

如果你不想修改apply的逻辑，可以先保留分组后的多级索引，再针对性地将分组键对应的索引层级转为列，最后删除剩余的索引：

result = dft.groupby(group_cols).apply(lam3)
# 将分组键对应的索引层级转为普通列
result = result.reset_index(level=group_cols)
# 删除剩余的索引（即lam3返回DataFrame的原索引）
result = result.reset_index(drop=True)

print(result)

这个方案同样通用，level=group_cols明确指定了要转为列的索引层级，完全不依赖level_N这类自动生成的名称，避免误删原有数据。

注意：两种方案都适配任意数量的分组列，只需修改group_cols列表即可。因为实际场景中lam3依赖分组后的df，这两种方法都能保留lam3的原有逻辑，不会像交叉连接那样丢失分组依赖关系。

内容的提问来源于stack exchange，提问作者user34829