多重索引DataFrame列合并：产品单列化与价格列独立拆分实现

核心转换逻辑 #

本质是将原本嵌套在列层级的产品名称、价格维度进行层级拆解，把原本分布在列上的产品条目抽离为独立列，不同价格维度单独保留为列，全程依赖pandas自带的多重索引操作完成，不需要手动写循环匹配。

可复现操作步骤 #

1. 先模拟和现有结构一致的测试数据集，确保代码可以直接复现调整：

import pandas as pd
import numpy as np

# 模拟列带两层多重索引的原始数据
# 列第一层为不同价格维度，列第二层为对应产品，刻意打乱产品顺序匹配你描述的场景
col_arrays = [
    ["日常售价", "日常售价", "日常售价", "日常售价",
     "大促售价", "大促售价", "大促售价", "大促售价",
     "渠道供货价", "渠道供货价", "渠道供货价", "渠道供货价"],
    ["笔记本电脑", "机械键盘", "无线鼠标", "办公显示器",
     "无线鼠标", "办公显示器", "机械键盘", "笔记本电脑",
     "机械键盘", "笔记本电脑", "无线鼠标", "办公显示器"]
]

# 生成原始DataFrame，带无意义的空行索引匹配你提到的实际数据特征
df_raw = pd.DataFrame(
    np.random.randint(200, 12000, size=(1, 12)),
    columns=pd.MultiIndex.from_arrays(col_arrays),
    index=["无实际业务含义的占位行索引"]
)

2. 执行核心结构转换

# 对列层级做stack操作：把原列第一层的价格维度转为普通列，原列第二层的产品名转为行索引
df_step1 = df_raw.stack(level=0)

# 把行索引里的产品名抽离为单独的普通列，清理多余的占位行
df_final = (
    df_step1
    .reset_index(level=0, drop=True)  # 删除无意义的占位行索引
    .rename_axis("产品名称")          # 给行索引设置明确名称
    .reset_index()                   # 把产品名从行索引转成普通列
    .dropna(axis=1, how="all")       # 清理转换后产生的全空列
)

常见适配调整 #

• 如果你的实际数据中，多重索引列的两层顺序和模拟场景相反（即第一层是产品名、第二层是价格维度），只需要把stack(level=0)里的参数改成level=1即可，其余逻辑不变
• 因为产品集合完全一致，pandas会自动按照产品名做对齐匹配，哪怕原始列上的产品顺序是乱的，也不会出现价格和产品错位的问题
• 如果转换后出现多余的全空行，可追加.dropna(axis=0, how="all")清理

转换后结构说明 #

最终输出的结构和你期望的目标完全一致：

• 单独一列存所有产品的完整名称，无重复、无错位
• 每一个价格维度单独作为独立列，存储对应产品的匹配价格

内容的提问来源于stack exchange，提问作者Lucas