pandas.Panel弃用后，如何不依赖其API生成MultiIndex DataFrames？

嘿，我懂你的纠结——既然Panel已经被标为弃用，再绕路用它来生成MultiIndex DataFrame显然不是长久之计。咱们直接用pandas原生的工具就能实现完全一样的效果，根本不用碰Panel。下面给你两种最实用的替代方案，对应你原来的Panel使用逻辑：

方案一：直接构造MultiIndex列（高效简洁） #

这个方法通过重塑数组+手动创建MultiIndex来实现，和你原来Panel.to_frame()的输出完全一致：

import pandas as pd
import numpy as np

# 模拟你的三维数据和命名
N, J, K = 2, 3, 4  # items数, major_axis数, minor_axis数
X = np.random.rand(N, J, K)
item_names = [f"item_{i}" for i in range(N)]
names0 = [f"major_{j}" for j in range(J)]  # 对应原Panel的major_axis
names1 = [f"minor_{k}" for k in range(K)]  # 对应原Panel的minor_axis

# 1. 调整数组维度：把major_axis放到第一维，再展平items和minor_axis到列维度
X_reshaped = X.swapaxes(0, 1).reshape(J, -1)
# 2. 创建MultiIndex列，对应原Panel的items和minor_axis
multi_cols = pd.MultiIndex.from_product(
    [item_names, names1],
    names=["items", "minor_axis"]  # 给索引命名，和原Panel输出一致
)
# 3. 生成最终的MultiIndex DataFrame
df = pd.DataFrame(X_reshaped, index=names0, columns=multi_cols)

方案二：逐个生成DataFrame再合并（逻辑更直观） #

如果你原来的思路是把每个item对应一个二维DataFrame，那这个方案和你用Panel的逻辑最贴近，可读性更强：

import pandas as pd
import numpy as np

# 同样的模拟数据
N, J, K = 2, 3, 4
X = np.random.rand(N, J, K)
item_names = [f"item_{i}" for i in range(N)]
names0 = [f"major_{j}" for j in range(J)]
names1 = [f"minor_{k}" for k in range(K)]

# 1. 为每个item生成对应的二维DataFrame
item_dfs = [
    pd.DataFrame(X[i], index=names0, columns=names1)
    for i in range(N)
]
# 2. 按列合并所有DataFrame，用keys参数生成MultiIndex列
df = pd.concat(item_dfs, keys=item_names, axis=1)
# 3. 给MultiIndex列命名（可选，和原Panel输出对齐）
df.columns.names = ["items", "minor_axis"]

额外推荐：用xarray实现（官方推荐的三维数据方案） #

如果你经常处理三维/多维数据，官方推荐的xarray是更长期的方案，转换也很简单：

import pandas as pd
import numpy as np
import xarray as xr

# 模拟数据同上
N, J, K = 2, 3, 4
X = np.random.rand(N, J, K)
item_names = [f"item_{i}" for i in range(N)]
names0 = [f"major_{j}" for j in range(J)]
names1 = [f"minor_{k}" for k in range(K)]

# 1. 创建xarray DataArray，定义维度和坐标
xr_array = xr.DataArray(
    X,
    dims=["items", "major_axis", "minor_axis"],
    coords={"items": item_names, "major_axis": names0, "minor_axis": names1}
)
# 2. 转换为pandas MultiIndex DataFrame
df = xr_array.to_dataframe().unstack("items")
# 3. 调整列顺序，和原Panel输出完全一致（可选）
df = df.swaplevel(axis=1).sort_index(axis=1)

以上三种方案都完全不依赖已弃用的Panel API，其中前两种是纯pandas原生实现，适合不想引入新依赖的场景；第三种xarray方案更适合频繁处理多维数据的场景。

内容的提问来源于stack exchange，提问作者cge