如何将含季度层级列的Pandas MultiIndex DataFrame转长格式？

这问题我熟！要把这种带MultiIndex列的宽格式DataFrame转成季度在行里的长格式，用Pandas的stack或者melt+pivot都能搞定，咱们先从你的示例数据入手一步步演示。

第一步：先还原你的示例数据 #

首先把你提供的代码调整一下（修正转义字符让显示更正常）：

import pandas as pd

# 构建MultiIndex列
cols = pd.MultiIndex(levels=[['Center_Details', '2017-18:Q2', '2017-18:Q1'], 
                             ['State', 'District', 'Center', 'Offices', 'Deposit', 'Credit']],
                     codes=[[0, 0, 0, 1, 1, 1, 2, 2, 2], 
                            [0, 1, 2, 3, 4, 5, 3, 4, 5]])
# 修正数据里的转义字符
data = [['JAMMU & KASHMIR', 'KUPWARA', 'Drug Mulla (CT)', '3', '500', '600', '4', '500', '600'],
        ['JAMMU & KASHMIR', 'LEH LADAKH', 'Chuglamsar (CT)', '3', '500', '600', '4', '500', '600'],
        ['PUNJAB', 'PATHANKOT', 'Mamun (CT)', '3', '500', '600', '4', '500', '600'],
        ['PUNJAB', 'GURDASPUR', 'TIBRI', '3', '500', '600', '4', '500', '600']]

df = pd.DataFrame(data=data, columns=cols)

运行后原始DataFrame的结构是这样的：

Center_Details                     2017-18:Q2           2017-18:Q1          
            State       District           Center Offices Deposit Credit Offices Deposit Credit
0  JAMMU & KASHMIR        KUPWARA  Drug Mulla (CT)       3     500    600       4     500    600
1  JAMMU & KASHMIR  LEH LADAKH  Chuglamsar (CT)       3     500    600       4     500    600
2           PUNJAB    PATHANKOT       Mamun (CT)       3     500    600       4     500    600
3           PUNJAB    GURDASPUR            TIBRI       3     500    600       4     500    600

方法一：用stack（推荐，更简洁） #

这个方法专门适配MultiIndex结构，步骤少逻辑清晰：

# 1. 把固定的中心信息列设置为索引
index_cols = [('Center_Details', 'State'), 
              ('Center_Details', 'District'), 
              ('Center_Details', 'Center')]
df_indexed = df.set_index(index_cols)

# 2. 把第一层级的季度列转成行（stack level=0）
stacked_df = df_indexed.stack(level=0)

# 3. 重置索引为普通列，并调整列名让它更直观
result = stacked_df.reset_index()
result.columns = ['State', 'District', 'Center', 'Quarter', 'Offices', 'Deposit', 'Credit']

# 查看最终结果
print(result)

输出的长格式DataFrame就是你想要的：

State       District           Center     Quarter Offices Deposit Credit
0  JAMMU & KASHMIR        KUPWARA  Drug Mulla (CT)  2017-18:Q2       3     500    600
1  JAMMU & KASHMIR        KUPWARA  Drug Mulla (CT)  2017-18:Q1       4     500    600
2  JAMMU & KASHMIR  LEH LADAKH  Chuglamsar (CT)  2017-18:Q2       3     500    600
3  JAMMU & KASHMIR  LEH LADAKH  Chuglamsar (CT)  2017-18:Q1       4     500    600
4           PUNJAB    PATHANKOT       Mamun (CT)  2017-18:Q2       3     500    600
5           PUNJAB    PATHANKOT       Mamun (CT)  2017-18:Q1       4     500    600
6           PUNJAB    GURDASPUR            TIBRI  2017-18:Q2       3     500    600
7           PUNJAB    GURDASPUR            TIBRI  2017-18:Q1       4     500    600

步骤解释： #

• set_index(index_cols)：把不会变化的中心信息（State/District/Center）设为索引，后续只处理季度相关的列。
• stack(level=0)：针对列的第一层级（季度名称）进行堆叠，把每个季度从列维度转成行维度，同时保留该季度对应的三个指标列。
• reset_index()：把之前的索引还原成普通列，最后重命名列名让结构更清晰。

方法二：用melt+pivot（适合不熟悉stack/unstack的场景） #

如果你对stack不太熟悉，也可以用扁平化列名+melt+pivot的组合：

# 1. 把MultiIndex列转换成普通字符串列名，用下划线连接两个层级
df.columns = ['_'.join(col) for col in df.columns]

# 2. 用melt把所有季度相关的列转成长格式
id_vars = [col for col in df.columns if col.startswith('Center_Details_')]
melted_df = df.melt(id_vars=id_vars, var_name='Quarter_Metric', value_name='Value')

# 3. 拆分Quarter_Metric列，分离出季度和指标名称
melted_df[['Quarter', 'Metric']] = melted_df['Quarter_Metric'].str.split('_', n=1, expand=True)

# 4. 用pivot把指标转回列，得到最终格式
result = melted_df.pivot(index=['Center_Details_State', 'Center_Details_District', 'Center_Details_Center', 'Quarter'], 
                         columns='Metric', values='Value').reset_index()

# 重命名列
result.columns = ['State', 'District', 'Center', 'Quarter', 'Offices', 'Deposit', 'Credit']

print(result)

这个方法的思路是先把MultiIndex列扁平化，再把所有季度指标转成单行，拆分出季度和指标后，再把指标转回列维度，最终效果和方法一完全一致。

补充说明 #

这两种方法都能自动适配更多季度或更多指标的情况，不需要修改核心逻辑，直接套用即可。

内容的提问来源于stack exchange，提问作者mudassirkhan19