如何将Pandas多层索引DataFrame unstack为单主体占一行的宽表

直接给你可运行的完整代码，逻辑拆分为固定属性提取、计算字段展开、表合并三个步骤，完全适配你描述的场景：

1. 模拟符合场景的测试数据集（你可以跳过这步直接用自己的DataFrame） #

import pandas as pd
import numpy as np

# 构造多层索引：第一层为name，第二层为每个name下的序列index
multi_index = pd.MultiIndex.from_tuples(
    [('user1', 0), ('user1', 1), ('user1', 2),
     ('user2', 0), ('user2', 1),
     ('user3', 0)],
    names=['name', 'seq_idx']
)
df = pd.DataFrame({
    'f1': [10, np.nan, np.nan, 20, np.nan, 30],
    'f2': ['x', np.nan, np.nan, 'y', np.nan, 'z'],
    'f3': [True, np.nan, np.nan, False, np.nan, True],
    'calc1': [0.1, 0.4, 0.6, 0.2, 0.7, 0.3],
    'calc2': [10, 40, 60, 20, 70, 30],
    'calc3': [100, 400, 600, 200, 700, 300]
}, index=multi_index)

2. 核心转换代码 #

# 第一步：提取每个name对应的f1~f3固定属性
attr_df = df[['f1', 'f2', 'f3']].groupby(level='name').first()

# 第二步：将calc字段按序列index展开为宽表，空缺位置自动补NaN
calc_wide = df[['calc1', 'calc2', 'calc3']].unstack(level='seq_idx')
# 重命名列，拼接为calc1_1这类要求的格式
calc_wide.columns = [f"{col}_{seq}" for col, seq in calc_wide.columns]

# 第三步：合并两张表得到最终结果
result = attr_df.join(calc_wide).reset_index()

场景适配说明 #

• 如果你的原数据不是多层索引，只要有name和序列index两个字段，先执行df = df.set_index(['name', '你的序列index字段名'])转成多层索引，再跑上面的代码即可
• 不存在的序列对应的calc字段会自动填充NaN，不需要额外处理
• 如果你不需要保留序列index=0对应的calc字段，只需要在构造calc_wide前过滤掉对应行即可：df = df[df.index.get_level_values('seq_idx') != 0]

内容的提问来源于stack exchange，提问作者Drewaight