如何在Pandas管道中展平多级索引列

我完全get你的需求了——你已经搞懂怎么把多级索引的列名合并成「数字_颜色」的格式，但不想直接硬改df.columns，而是想用链式调用（也就是管道风格）来实现，甚至想自己写个类似rename_columns的专属函数对吧？

先给你捋清楚之前踩的坑：你用df.rename(lambda x: ...)时触发了TypeError，是因为rename默认是用来修改行索引的！你的行索引是普通整数，所以lambda里的x是单个int值，自然没法用x[0]去取元素~ 要让rename处理列，得明确指定columns参数才行！

方法一：用原生rename直接实现链式调用 #

其实不用自己造轮子，只要给rename加上columns参数，就能完美实现你要的管道效果：

df.rename(columns=lambda col: f"{col[0]}_{col[1]}")

这里的lambda参数col就是每个多级列的元组（比如(1, 'red')），用f-string拼接比字符串相加更简洁直观，而且完全支持链式调用。

方法二：自定义rename_columns函数+pipe #

如果你就是想自己实现一个rename_columns函数，用pipe来衔接是最顺的方式：

def rename_columns(df, rename_func):
    # 先复制原DataFrame，避免意外修改原数据
    df_new = df.copy()
    # 用传入的函数处理每个列名
    df_new.columns = [rename_func(col) for col in df_new.columns]
    return df_new

# 链式调用示例
df.pipe(rename_columns, lambda col: f"{col[0]}_{col[1]}")

这个自定义函数接收两个参数：要处理的DataFrame，以及用来修改列名的函数。内部先复制DataFrame（防止原地修改），再重新设置列名，最后返回新的DataFrame，刚好能通过pipe实现链式调用。

方法三：一行式pipe写法（不用额外定义函数） #

如果不想单独写函数，也可以直接在pipe里用匿名函数搞定：

df.pipe(lambda d: d.set_axis([f"{x[0]}_{x[1]}" for x in d.columns], axis=1))

这里用set_axis方法来批量设置列名，axis=1指定操作的是列轴，一行代码就能实现链式调用的展平效果。

测试验证 #

用你给出的测试数据跑一遍：

import pandas as pd

arrays = [[1, 1, 2, 2], ["red", "blue", "red", "blue"]]
ix = pd.MultiIndex.from_arrays(arrays, names=("number", "color"))
df = pd.DataFrame([[10, 20, 30, 40], [50, 60, 70, 80]], columns=ix)

不管用上面哪种方法，都能得到你想要的展平列名结果，而且全程都是链式调用的管道风格~

备注：内容来源于stack exchange，提问作者robertspierre