如何删除DataFrame转置后的subcolumn_2列头层级？技术求助

你遇到的核心问题是转置后的DataFrame列是多层索引（MultiIndex），subcolumn_2是列索引的第二个层级，而非普通的行或列，所以直接用drop()自然不管用。咱们一步步来搞定：

首先明确转置后的结构：你执行完代码后，my_frame.transpose()的列是包含subcolumn_1和subcolumn_2的双层索引。要移除subcolumn_2这个层级，有几种直观的方法：

方法1：直接删除列索引的指定层级 #

用droplevel()方法可以去掉列索引的第二个层级（索引从0开始计数，subcolumn_2是第1层）：

import pandas as pd

# 你的原始代码
my_frame = pd.DataFrame(data={'a':[1,1,3],'b':[7,8,9],'c':[4,5,6], 'subcolumn_1':['A1','A2','A3'], 'subcolumn_2':['B1','B2','B3']})
my_frame.set_index(keys=['subcolumn_1','subcolumn_2'], inplace=True)
transposed_df = my_frame.transpose()

# 移除subcolumn_2层级
transposed_df.columns = transposed_df.columns.droplevel(1)
print(transposed_df)

执行后输出会变成：

A1  A2  A3
a   1   1   3
b   7   8   9
c   4   5   6

方法2：提取指定层级作为新列名 #

如果你明确只想保留subcolumn_1的内容作为唯一列名，也可以直接提取该层级的值：

transposed_df.columns = transposed_df.columns.get_level_values(0)

效果和方法1完全一致，适合你清晰知道要保留哪一层的场景。

方法3：转置前提前处理行索引（可选） #

如果还没执行转置操作，也可以跳过subcolumn_2，只设置subcolumn_1为行索引，这样转置后就不会出现双层列索引的问题：

my_frame = pd.DataFrame(data={'a':[1,1,3],'b':[7,8,9],'c':[4,5,6], 'subcolumn_1':['A1','A2','A3'], 'subcolumn_2':['B1','B2','B3']})
# 仅设置subcolumn_1为行索引
my_frame.set_index(keys=['subcolumn_1'], inplace=True)
transposed_df = my_frame.transpose()

为啥drop()没用？ #

因为drop()默认是删除独立的行或列（通过axis参数指定），但subcolumn_2是列索引的一个层级，不是单独的行/列，所以必须用MultiIndex专属的方法来处理层级结构。

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