You need to enable JavaScript to run this app. 如何为DataFrame中的多列设置分组结构的超级列?
优惠活动
大模型
产品
解决方案
定价
更多

如何为DataFrame中的多列设置分组结构的超级列?

Pandas 实现两级分组列结构的方法

通过pandas的MultiIndex列索引机制即可完成需求,全程无需改动DataFrame内的实际数据,仅重构列的层级关系就能实现两级分组效果。

目标结构说明

现有基础列共5个:Name、address、phone_number、height、weight,按要求划分到两个上层分组下:

  • personal details 分组下辖:Name、address、phone_number
  • physical parameters 分组下辖:height、weight

可直接复用的实现代码

方法1:快速重构(适合少量列的场景)

如果当前已经生成了无分组的普通DataFrame,只需要按列顺序对齐分组标签即可:

import pandas as pd
# 替换为你的实际DataFrame
# df = pd.read_csv("你的源数据.csv")

# 按df当前的列顺序,依次标注每个列所属的上层分组
# 顺序必须和df原有列顺序完全匹配:Name、address、phone_number、height、weight
upper_group_tags = [
    "personal details", "personal details", "personal details",
    "physical parameters", "physical parameters"
]

# 绑定两级列索引
df.columns = pd.MultiIndex.from_arrays([upper_group_tags, df.columns])

方法2:映射匹配法(避免列顺序错配)

如果列数较多,手动对齐顺序容易错位,可以用字典自动匹配列对应的分组,不受原有列顺序影响:

# 定义列和分组的映射关系
col_group_map = {
    "Name": "personal details",
    "address": "personal details",
    "phone_number": "personal details",
    "height": "physical parameters",
    "weight": "physical parameters"
}

# 自动按原有列顺序生成上层分组标签,杜绝错配
upper_group_tags = [col_group_map[col] for col in df.columns]
df.columns = pd.MultiIndex.from_arrays([upper_group_tags, df.columns])

方法3:初始化时直接搭建两级列结构

如果还没生成DataFrame,可以在构造阶段直接定义两级列:

# 按(上层分组, 基础列名)的元组格式定义两级列索引
multi_cols = pd.MultiIndex.from_tuples([
    ("personal details", "Name"),
    ("personal details", "address"),
    ("personal details", "phone_number"),
    ("physical parameters", "height"),
    ("physical parameters", "weight")
])

# 直接生成带两级结构的DataFrame
df = pd.DataFrame(data=你的原始数据, columns=multi_cols)

注意:重构列索引时,上层分组标签的总数量必须和原有基础列的数量完全一致,否则会触发索引长度不匹配的报错。

内容的提问来源于stack exchange,提问作者Prateek Mishra

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.04 03:24:06