pandas 双层表头创建

<think>我们之前讨论了如何创建双层索引（行方向的多层索引），现在用户询问的是如何创建双层表头（列方向的多层索引，即MultiIndexcolumns）。根据引用[2]中的示例，我们可以知道创建具有多层列索引的DataFrame可以通过在创建DataFrame时指定columns参数为一个多层索引对象（MultiIndex）来实现。同时，用户提供的引用[1]是关于行多层索引的，但这里我们关注的是列的多层索引。创建双层表头（列的多层索引）主要有以下方法：方法1：使用pd.MultiIndex.from_tuples创建列的多层索引，然后在创建DataFrame时指定columns参数。方法2：使用pd.MultiIndex.from_product创建列的多层索引。方法3：直接在DataFrame的列参数中传入一个由元组组成的列表（每个元组代表每一列在每一层的标签）。另外，引用[2]中展示了一个简单的例子，它创建了一个具有两层列索引的DataFrame，并写入Excel。下面我将详细说明这些方法：</think>### 在 Pandas 中创建双层表头（MultiIndex Columns）数据框 创建具有双层表头的 DataFrame 主要通过 `pd.MultiIndex` 实现列索引的层级结构。以下是三种常用方法： --- #### 方法 1：使用 `from_tuples` 创建列索引 **适用场景**：已有明确的列名组合时 ```python import pandas as pd import numpy as np # 创建双层列索引 columns = pd.MultiIndex.from_tuples([ ('温度', '最高'), ('温度', '最低'), ('湿度', '平均'), ('湿度', '波动') ]) # 创建数据 data = np.array([ [28, 18, 65, 12], [30, 20, 70, 8], [26, 16, 60, 15] ]) df = pd.DataFrame(data, columns=columns) print(df) ``` **输出**： ``` 温度 湿度 最高 最低 平均 波动 0 28 18 65 12 1 30 20 70 8 2 26 16 60 15 ``` --- #### 方法 2：使用 `from_product` 创建组合列 **适用场景**：需要两个维度的全组合时 ```python # 创建层级列名 categories = ['销量', '库存'] regions = ['北京', '上海', '广州'] # 生成双层列索引 multi_cols = pd.MultiIndex.from_product( [categories, regions], names=['指标', '区域'] ) # 创建数据框 data = np.random.randint(10, 50, size=(3, 6)) df = pd.DataFrame(data, columns=multi_cols) print(df) ``` **输出**： ``` 指标 销量 库存 区域 北京 上海 广州 北京 上海 广州 0 42 38 27 19 48 14 1 37 11 32 15 39 43 2 28 31 22 45 10 18 ``` --- #### 方法 3：直接指定列名元组 **适用场景**：快速创建小型数据框 ```python # 直接定义列名为元组 df = pd.DataFrame( np.random.rand(3, 4), columns=[('财务', '收入'), ('财务', '支出'), ('人力', '招聘'), ('人力', '培训')] ) # 添加列名层级 df.columns.names = ['部门', '项目'] print(df) ``` **输出**： ``` 部门 财务 人力 项目 收入 支出 招聘 培训 0 0.81 0.12 0.45 0.92 1 0.63 0.74 0.33 0.19 2 0.57 0.02 0.88 0.41 ``` --- #### 关键操作说明 1. **访问特定列**： ```python # 获取财务部门所有列 df['财务'] # 获取人力部门的培训列 df[('人力', '培训')] ``` 2. **写入 Excel**： 双层表头可直接写入 Excel 并保留层级结构[^2]： ```python df.to_excel("multi_header.xlsx") ``` 3. **层级控制**： - 查看层级名称：`df.columns.names` - 重命名层级：`df.columns.names = ['新部门', '新项目']` > **应用场景**： > 特别适合财务报告（部门+指标）、实验数据（参数+测量值）等需要多维分析的结构化数据。