如何将Pandas DataFrame的多级列索引转换为单列（将number层级转为列）

看起来你想要把多级列索引中的number层级提取出来作为单独的一列，同时把原来的A、B列按number的不同值拆成行，C列保留对应原始行的值对吧？我来帮你搞定这个问题。

首先先复现你的原始数据构造：

import pandas as pd

columns = pd.MultiIndex.from_tuples(
    [('A', 'one'), ('A', 'two'), ('B', 'one'), ('B', 'two'), ('C', '')],
    names=[None, 'number'])

df = pd.DataFrame([[1, 2, 3, 4, 'X'], [5, 6, 7, 8, 'Y']], columns=columns)

原始的DataFrame长这样：

A       B      C
number one two one two   
0        1   2   3   4  X
1        5   6   7   8  Y

你之前尝试的df[[('number', ('A','one')]]索引方式是不对的，因为number是列索引的层级名称，不是索引值本身，多级列的正确访问方式应该是像df[('A', 'one')]这样直接指定层级值的元组。不过其实我们不需要手动提取，用Pandas的stack()方法就能轻松解决这个问题。

解决方案步骤： #

1. 用stack()将列的number层级转为行索引：
   stack(level='number')会把指定层级的列转成行的一部分索引，这一步会自动把A、B列的one/two值拆成单独的行，同时C列因为没有对应的number层级值，会自动填充到每个对应的行中。
2. 重置索引，把number转成普通列：
   用reset_index()把行索引中的number提取为单独的列，同时丢弃原来的行索引。
3. 调整列顺序并排序：
   按照你想要的输出顺序调整列的位置，再按number排序，就能得到目标格式。

完整代码如下：

# 将number层级转为行索引
stacked_df = df.stack(level='number')
# 重置索引，提取number为列，并丢弃原行索引
result_df = stacked_df.reset_index(level='number').reset_index(drop=True)
# 调整列的顺序，把number放到最后
result_df = result_df[['A', 'B', 'C', 'number']]
# 按number排序，得到你想要的顺序
result_df = result_df.sort_values('number').reset_index(drop=True)

print(result_df)

运行后输出就是你想要的格式：

A  B  C number
0  1  3  X    one
1  5  7  Y    one
2  2  4  X    two
3  6  8  Y    two

这样就完美实现了你的需求啦！

备注：内容来源于stack exchange，提问作者HappyPy