本文介绍如何将 pandas dataframe 中具有 multiindex 的列（如两级列索引）的第一级（level 0）提取为普通数据列，同时保留其余结构，适用于宽表转长表、特征归一化预处理等场景。
在实际数据分析中，我们常遇到列索引为 MultiIndex 的 DataFrame（例如由 pd.pivot_table 或嵌套字典构造生成），此时若想将某一级列名（如第一级）转化为普通数据列（即“列索引 → 数据列”），标准的 melt() 并不能直接满足需求——因为它默认作用于行索引和值，而非列层级。
正确思路是：先通过 stack() 将列索引层级“压入”行索引，再利用 reset_index() 提取所需层级为列。具体步骤如下：
- df.stack(0)：将列索引的 level 0（即 'a', 'b', 'c'）压入行索引最内层，得到一个 Series（索引为 (row_idx, level0, level1)）；
- .T：转置，使原行变为列、原列层级重组，便于下一步按 level 0 堆叠；
- .stack(0)：再次堆叠，这次将 level 0（即 'a', 'b', 'c'）作为新索引的第一层，m1/m2 作为第二层，数值对齐；
- .reset_index()：将多级索引全部转为普通列；
- .drop('level_1', axis=1)：删除冗余的原行索引列（即 level_1，对应原始行号），保留 level_0（即 'a', 'b', 'c'）作为目标列。
完整代码如下：
result = (df
.stack(0) # 压入 level 0 到索引
.T
.stack(0) # 重构后再次堆叠，使 level 0 成为主索引层
.reset_index()
.drop('level_1', axis=1)
.rename(columns={'level_0': 'level0'})) # 可选：美化列名输出结果为：
level0 m1 m2 0 a 0 10 1 a 1 11 2 b 2 12 3 b 3 13 4 c 3 13 5 c 4 14
✅ 注意事项：
- 若原始 DataFrame 行索引非默认整数（如带时间戳或字符串），建议先 df.reset_index(drop=True) 避免混淆；
- stack(0) 中的 0 指定要堆叠的列索引层级（level 0），若需提取 level 1，则改用 stack(1) 并相应调整后续逻辑；
- 替代方案（更直观）：使用 df.columns.to_frame().assign(value=df.values.ravel()).explode('value') 配合 pivot，但可读性与健壮性不如 stack + reset_index 组合。
该方法简洁高效，是处理 MultiIndex 列“降维”的推荐范式。
