如何将Pandas透视表的多级索引列名合并为单一列名？

没问题，这个多级列名合并的需求很常见，我来给你几个简单高效的实现方法，完美匹配你想要的「27,0_V1」这类列名格式。

先回顾你的场景 #

你先创建了基础DataFrame：

import pandas as pd

dt = pd.DataFrame({'At': ['A','B','C'], 'R': ['27,0', '27,0', '27,0'], 'V1': [0,0,0], 'V2': [100,32,72], 'V3':[31,12,3]})

然后通过pivot_table生成了带多级列索引的透视表：

pivot_dt = dt.pivot_table(index='At', columns='R', values=['V1','V2','V3']).reset_index()

此时的列结构是多级索引，每个数值列的名称是(Vx, '27,0')的元组，现在需要把它们合并成27,0_Vx的形式。

方法1：列表推导式直接修改列名 #

这是最直观的方式，专门针对你的场景处理：

# 保留At列，其他列反转层级后用下划线拼接
pivot_dt.columns = ['At'] + [f"{r}_{col}" for col, r in pivot_dt.columns[1:]]

这里pivot_dt.columns[1:]获取到的是所有数值列的多级元组（比如('V1', '27,0')），我们把元组里的第二个元素（R的值）放在前面，第一个元素（原列名V1/V2/V3）放在后面，用下划线连接。

方法2：通用的map函数处理（支持多R值场景） #

如果你的数据里有多个不同的R值，这个方法更通用，不需要单独处理At列：

# 对每个列名判断：如果是元组就反转后拼接，否则直接保留（比如At列）
pivot_dt.columns = pivot_dt.columns.map(lambda x: '_'.join(reversed(x)) if isinstance(x, tuple) else x)

reversed(x)会把('V1', '27,0')转换成('27,0', 'V1')，再用_连接就得到了目标格式。

最终效果 #

执行上述任意一种方法后，打印pivot_dt就能得到你想要的结构：

At 27,0_V1 27,0_V2 27,0_V3
0  A       0      100       31
1  B       0       32       12
2  C       0       72        3

内容的提问来源于stack exchange，提问作者Náthali