如何仅转置Pandas多层索引DataFrame的一层？行转列问题求助

嘿，我完全懂你现在的困扰——处理分组后的多层索引DataFrame时，不管是用melt报错，还是用transpose得到奇怪的结果，核心问题都是没找对专门针对仅转置索引/列某一层的工具。其实Pandas里早就有专门干这个事的方法，咱们一步步来解决：

为什么你的现有方法出问题？ #

• melt不适用：melt主要是把宽表转成长表，它更适合处理普通的列-值结构，对多层索引的支持很有限，强行用的话很容易因为索引层级不匹配报错，这不是它的设计场景。
• transpose太“粗暴”：df.T会把整个DataFrame的行和列完全互换，包括所有索引层级和列层级，所以对于分组后带多层索引的DF，它会把所有行索引都转成列，所有列转成行，自然不符合你“只转一层”的需求。

正确工具：unstack()（把索引的一层转成列） #

如果你想把行索引中的某一层转成列，unstack()就是最佳选择，它专门用来拆分多层索引的指定层级到列维度。

举个实际例子 #

假设你分组后得到的多层索引DataFrame长这样：

import pandas as pd
import numpy as np

# 构造分组后的示例DF
data = {
    'Category': ['Food', 'Food', 'Electronics', 'Electronics'],
    'Subcategory': ['Fruit', 'Meat', 'Phone', 'Laptop'],
    'Sales': [100, 200, 300, 400],
    'Profit': [10, 20, 30, 40]
}
df = pd.DataFrame(data)
grouped_df = df.groupby(['Category', 'Subcategory']).sum()

此时grouped_df的行索引是(Category, Subcategory)的多层结构，列是Sales和Profit。

如果想把Subcategory这一层索引转成列，只需要：

# 按层级名称指定要转置的层
result = grouped_df.unstack(level='Subcategory')

# 或者按层级位置指定（0是第一层Category，1是第二层Subcategory）
# result = grouped_df.unstack(level=1)

执行后，result的行索引只剩Category，列变成了(Sales/Profit, Subcategory值)的多层结构，完美实现了“仅转置一层索引”的目标。

反向操作：把列的一层转成索引（stack()） #

如果你的需求是反过来，想把列中的某一层转成行索引，就用stack()，它是unstack()的反向操作，用法类似：

# 把列的某一层转成索引
result = grouped_df.stack(level='要转置的列层级名称/位置')

小提示 #

• 如果转置后出现NaN，是因为原索引中某些组合不存在，你可以用fillna(0)或者其他方式填充，比如result = grouped_df.unstack(level=1).fillna(0)
• 对于非常复杂的多层索引，你可以用get_level_values()先确认层级的名称或位置，避免选错层级：grouped_df.index.get_level_values(0)会返回第一层索引的所有值

内容的提问来源于stack exchange，提问作者Rilcon42