Pandas：分层DataFrame扁平化处理（适配Altair绘图需求）

嘿，我之前也踩过这个坑！Pandas重采样后搞出来的分层索引（不管是行还是列）确实和Altair八字不合——毕竟Altair只认扁平的、单级索引的DataFrame。别慌，给你几个实用的解决办法，亲测有效：

方法1：直接重置索引（最省心的通用方案） #

重采样完成后，你的DataFrame大概率是带**分层行索引（MultiIndex）**的，这时候一行代码就能把所有索引层级转成普通列：

# 假设重采样后的结果存在resampled_df里
flattened_df = resampled_df.reset_index()

执行完后，你可以用flattened_df.head()看看结构——原来的时间索引、分组字段都会变成普通列，Altair就能正常读取了。

如果是分层列索引（比如聚合了多个字段导致列是多层的），可以把列的层级合并成单个名称，比如用下划线连接：

# 把多层列名合并成单层，比如"term_avg"、"score_sum"这种格式
flattened_df.columns = ['_'.join(col) for col in flattened_df.columns]

要是只需要保留某一层的列名，也可以直接提取：

# 提取列索引的第一层级作为新列名
flattened_df.columns = flattened_df.columns.get_level_values(0)

方法2：重采样时直接避免分层索引 #

其实我们可以在重采样的环节就一步到位，不让分层索引出现。用Pandas的命名聚合（named aggregation）就能直接生成普通列：

# 示例：按天重采样时间戳，计算score的平均值，同时保留term字段
flattened_df = df.resample('D', on='timestamp').agg(
    avg_score=('score', 'mean'),  # 给聚合后的score列起个明确的名字
    term=('term', 'first')       # 保留每个时间窗口的第一个term
).reset_index()

这样生成的DataFrame从一开始就是扁平的，完全不用后续处理，直接传给Altair就行。

方法3：处理复杂的双层索引（行+列都是分层的） #

如果你的数据结构更复杂，行和列都是多层索引，可以分两步处理：先把行索引转成列，再处理列索引：

# 第一步：把行的分层索引转成普通列
temp_df = resampled_df.reset_index()
# 第二步：合并列的分层索引为单层名称
temp_df.columns = ['_'.join(map(str, col)) for col in temp_df.columns]
flattened_df = temp_df

最后别忘了验证时间格式 #

Altair对时间列的格式要求很严格，得确保timestamp是Pandas的datetime类型，不然图表会显示异常。如果不是的话，提前转一下：

flattened_df['timestamp'] = pd.to_datetime(flattened_df['timestamp'])

处理完后，就可以正常用Altair绘图了，比如画个时间序列折线图：

import altair as alt

chart = alt.Chart(flattened_df).mark_line().encode(
    x='timestamp:T',  # 用:T告诉Altair这是时间类型
    y='avg_score:Q',
    color='term:N'
)
chart.show()

内容的提问来源于stack exchange，提问作者ragona