无法重塑并填充Pandas DataFrame：多索引结构填充问题

嘿，我来帮你搞定这个MultiIndex重构的难题！看起来你已经能搭好多索引DataFrame的架子，但填充数据时遇到了麻烦，我给你两种实用的解决方案👇

先明确原始数据结构 #

首先咱们对齐一下你的counts DataFrame结构（我模拟了你的数据）：

import pandas as pd

# 模拟你的原始counts数据
data = {
    'female': [602.0, 532.0, 54.0, 66.0, 41.0, 67.0, 108.0, 104.0, 209.0, 213.0, 1996.0],
    'male': [238.0, 155.0, 31.0, 29.0, 27.0, 43.0, 57.0, 56.0, 126.0, 114.0, 870.0],
    'All': [840.0, 687.0, 85.0, 95.0, 68.0, 110.0, 165.0, 160.0, 335.0, 327.0, 2866.0]
}
# Q19的选项作为索引
counts = pd.DataFrame(data, index=['_1', '_10', '_2', '_3', '_4', '_5', '_6', '_7', '_8', '_9', 'All'])
counts.index.name = 'Q19'

方法1：用stack()快速转换（推荐） #

这个方法最省心，Pandas会自动帮你处理索引和值的对应关系：

# 把列（性别）转成索引的一层，同时把值扁平化
multi_counts = counts.stack().reset_index()
# 重命名列名，让逻辑更清晰
multi_counts.columns = ['Q19', 'resp_gender', 'count']
# 设置MultiIndex
multi_counts = multi_counts.set_index(['resp_gender', 'Q19'])

执行完后，你就能得到以(resp_gender, Q19)为双索引的DataFrame，数据完美对应！

方法2：手动构造MultiIndex（适合复杂场景） #

如果你需要手动控制索引结构，一定要注意索引顺序和值的顺序严格对应，这也是很多人填充失败的核心原因：

# 提取所有性别类别和Q19选项
genders = counts.columns.tolist()
q19_options = counts.index.tolist()

# 创建MultiIndex：先按性别分组，每个性别下包含所有Q19选项
multi_index = pd.MultiIndex.from_product(
    [genders, q19_options], 
    names=['resp_gender', 'Q19']
)

# 扁平化原始数据的值，注意用`order='F'`按列取数，和MultiIndex的顺序匹配
values = counts.values.flatten(order='F')

# 创建最终的MultiIndex DataFrame
multi_counts = pd.DataFrame({'count': values}, index=multi_index)

关键注意点 #

• 手动构造时，from_product的顺序是[genders, q19_options]，所以值必须按列优先扁平化（order='F'），否则数据会错位；
• 如果你的原始counts把resp_gender作为第一列而不是索引，记得先执行counts = counts.set_index('resp_gender')调整结构。

你可以打印multi_counts.head()验证结果，数据应该完全匹配原始的计数！

内容的提问来源于stack exchange，提问作者user204548