如何将含多级列索引的DataFrame堆叠至行索引的外层级别

嗨，我完全懂你的需求啦——就是想把列多级索引的外层标签直接变成行索引的最外层级别，而不是像默认stack那样放到行索引的内层，对吧？你现在用xs加concat的方法虽然能实现，但确实有点繁琐，其实pandas里有更简洁的 idiom 可以一步到位，给你分享两种常用的思路：

方法一：swaplevel + sort_index 组合（最简洁） #

这应该是最符合pandas风格的做法了，只需要在你现有的stack操作之后，调整行索引的级别顺序再排序就行：

df_final = df_init.stack(level=0).swaplevel(0, 1).sort_index(level=0)

给你拆解下步骤：

1. df_init.stack(level=0)：把列索引的外层（A/B/C）堆叠到行索引的内层，得到你示例里的df1；
2. swaplevel(0, 1)：交换行索引的两个级别，让原本在第二层的A/B/C变成行索引的外层，原来的行索引（0-9）变成内层；
3. sort_index(level=0)：按照外层索引（A/B/C）排序，把同一分组的行全部集中到一起，完全匹配你要的df_final结构。

你可以用pd.testing.assert_frame_equal(df_final, 你原来的df_final)验证，结果是完全一致的~

方法二：利用unstack + stack的反向操作 #

如果你想换个思路，也可以先把列的内层索引转置成行，再重新堆叠外层列索引：

df_final = df_init.unstack(level=1).stack(level=0).unstack(level=1)

不过这个方法绕了点，不如第一种直观，还是更推荐第一种。

为什么不用xs？ #

你之前用xs的问题在于，当列外层标签很多的时候（比如你实际场景里的16个），要一个个写xs再concat，不仅代码冗余，还容易出错，而上面的方法不管有多少个外层标签，都能一次性处理，非常高效。

备注：内容来源于stack exchange，提问作者user27243451