如何扁平化聚合后的嵌套Pandas DataFrame列，设置为A、B_min、B_max

嘿，我来帮你搞定这个嵌套列的麻烦！聚合后出现多级嵌套列确实挺恼人的，这里给你两种简单规范的方法，直接把结构改成A、B_min、B_max的扁平形式：

方法一：聚合阶段直接指定列名（推荐） #

这是最省心的方式——在聚合的时候就给每个聚合结果指定好列名，从根源上避免生成嵌套列。比如用groupby.agg()的时候，通过关键字参数直接定义列名和对应的聚合规则：

import pandas as pd

# 先构造示例数据
data = {'A': [1,1,2,2], 'B': [10,20,5,15]}
df = pd.DataFrame(data)

# 一步到位生成扁平结构的DataFrame
flat_df = df.groupby('A').agg(
    B_min=('B', 'min'),  # 把B的最小值命名为B_min
    B_max=('B', 'max')   # 把B的最大值命名为B_max
).reset_index()  # 把分组的A从行索引转回普通列

print(flat_df.columns)
# 输出：Index(['A', 'B_min', 'B_max'], dtype='object')

这种方法既规范又直观，完全不需要后续处理嵌套列。

方法二：处理已生成的嵌套多级列 #

如果已经得到了嵌套列的DataFrame，也可以快速把多级列扁平化。假设你的聚合结果是这样的多级列结构：

B
      min max
A
1     10  20
2     5   15

你可以用两种方式处理：

方式1：合并多级列名 #

把多级列的层级用下划线拼接成单个列名，再把行索引转回列：

# 合并多级列的名称
agg_df.columns = ['_'.join(col) for col in agg_df.columns]
# 把A从行索引转为普通列
flat_df = agg_df.reset_index()

方式2：直接重命名列 #

如果列的数量不多，直接手动指定新列名更直接：

# 先把A转回列
flat_df = agg_df.reset_index()
# 直接替换列名
flat_df.columns = ['A', 'B_min', 'B_max']

为什么reindex_axis()和unstack()没用？ #

你之前试的这两个方法其实不对症：

• reindex_axis()（现在已经被reindex()替代）是用来调整索引的顺序，不处理列的层级结构；
• unstack()是把行索引中的层级转成列，和你要扁平化列层级的需求不匹配。

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