如何在Pandas中创建多对一索引，使多键指向同一列？

嘿，我完全懂你的需求——你想要给同一列数据设置多个“别名”，不管用df['A']还是df['B']都能拿到一模一样的结果，甚至修改其中一个的时候另一个也同步变化，而不是像MultiIndex那样搞出来多层级的列结构对吧？

其实实现这个很简单，不用复杂的操作，有两种常用方法：

方法1：直接赋值列别名（共享数据） #

你可以直接把已有的列赋值给新的列名，这样两个列名会指向同一底层数据块，修改其中一个，另一个也会跟着变：

import pandas as pd
import numpy as np

# 创建原始数据
df = pd.DataFrame({'A': np.arange(9)})
# 给列A设置别名B
df['B'] = df['A']

# 测试访问
print(df['A'])
print(df['B'])  # 和df['A']输出完全一致

# 测试修改同步
df['A'][0] = 999
print(df['B'][0])  # 输出999，说明数据是同步的

方法2：批量设置多个别名 #

如果需要给同一列设置多个别名，还可以通过concat快速生成共享数据的多列，再自定义别名：

import pandas as pd
import numpy as np

# 创建原始数据
df = pd.DataFrame({'A': np.arange(9)})
# 复制同一列多次，共享底层数据
df = pd.concat([df['A']]*3, axis=1)
# 给各列设置不同别名
df.columns = ['A', 'B', 'C']

# 验证是否为同一对象
print(df['A'] is df['B'])  # 输出True，说明指向同一数据块

为什么你的示例是MultiIndex？ #

你之前写的代码创建的是多层级列索引（MultiIndex），这是把列分成了上下两层，('A','A')和('A','B')是两个独立的列，和你想要的“多对一指向同一列”完全不是一回事，所以才不符合需求。

总结一下，最直接的方式就是用方法1，给已有列直接赋值新的列名，就能轻松实现多个键指向同一列的效果啦！

内容的提问来源于stack exchange，提问作者Nima Mousavi