Pandas多层列头：将一级分类列转为值列并合并同名列的实现方法

reset_index()仅能处理行方向的多层索引，而你当前的转换需求是针对列方向的多层表头，操作对象不匹配，因此无法得到预期效果。

1. 确认原始列结构 #

先运行以下代码验证多层列层级是否符合预期：

print(df.columns)
# 正常应输出类似的MultiIndex结构：
# MultiIndex([('Person', 'Name'),
#             ('Category1', 'Date'),
#             ('Category1', 'Price'),
#             ('Category2', 'Date'),
#             ('Category2', 'Price')], )

2. 拆分无需纵向拼接的公共列 #

Person层级下只有Name一个公共字段，不需要纵向拆分，先将其提取为普通列结构：

# 提取Person层级的所有列，拍平为单层级列
person_common = df['Person'].copy()
person_common.columns = ['Name']

3. 对Category类列做纵向拼接 #

这部分的每个Category下都有同名的Date、Price字段，需要转成行、同时把Category名作为新列的取值：

# 提取所有Category开头的层级列
category_part = df.loc[:, df.columns.get_level_values(0).str.startswith('Category')].copy()
# 先把原始行索引保存为临时列，避免后续排序丢失原始行顺序
category_part['original_idx'] = category_part.index
# 交换列层级，让Date、Price跑到第一层，Category名放到第二层
category_part.columns = category_part.columns.swaplevel(0, 1)
# 将第二层的Category名从列索引转为行索引，自动完成Date、Price的纵向拼接
# pandas版本<2.1时去掉future_stack参数即可
category_part = category_part.stack(level=1, future_stack=True)
# 将转为行索引的Category名改为普通列，同时清理索引名
category_part = category_part.rename_axis(index={'level_1': 'Category'}).reset_index(level=1)

4. 合并得到最终结果 #

由于两步提取的内容都保留了原始行索引的对应关系，可直接对齐合并，再调整顺序匹配目标效果：

# 按原始行索引对齐合并公共列和拆分后的分类列
result = person_common.join(category_part)
# 先按Category分组，再按原始行顺序排序，匹配示例的行顺序
result = result.sort_values(by=['Category', 'original_idx'])
# 删除临时的原始索引列，重置为连续索引
result = result.drop(columns=['original_idx']).reset_index(drop=True)
# 若需要将索引调整为从1开始，匹配示例格式
result.index = result.index + 1

运行后得到的result表结构完全匹配目标结果：

Name  Date  Price  Category
1    Bob  1999      1  Category1
2  Alice  1992      8  Category1
3  Alice  1994     19  Category1
4    Bob  1994      2  Category2
5  Alice  1992      3  Category2
6  Alice  1990      6  Category2

内容的提问来源于stack exchange，提问作者Chau362