聚合后多层列索引需用df.columns = df.columns.to_flat_index().map(lambda x: '_'.join(map(str, x)).strip('_'))展平，reset_index()仅重置行索引，对列无效。
聚合后多层索引列怎么变成普通单层列名
直接用 reset_index() 解决不了列索引问题——它只处理行索引。真正要展平的是 columns，即列上的多层索引（MultiIndex）。常见于 groupby().agg() 后，比如 df.groupby('city').agg({'sales': 'sum', 'profit': ['mean', 'std']}) 会生成两层列名。
- 核心操作是调用
columns.droplevel()或columns.map()手动拼接 - 更稳妥的做法是用
columns = columns.to_flat_index().str.join('_')，避免层级缺失导致错位 - 注意：如果某列只有一层（如分组键被自动提升为索引），展平时需先确保所有列都参与了聚合，否则
to_flat_index()可能报AttributeError
为什么 reset_index() 对列名没用
reset_index() 的作用对象是 DataFrame 的行索引（index），而聚合产生的多层结构在列上（columns），属于 pd.MultiIndex 类型。误用它只会把行索引重置成默认整数，列名照旧嵌套。
- 典型错误现象：
df.reset_index().columns输出仍是MultiIndex，且第一层可能变成None - 验证方式：打印
type(df.columns)，确认是pd.MultiIndex而非pd.Index - 若想同时处理行索引和列索引，得分开调用：
df.reset_index()+df.columns = ...
安全展平列名的三步写法
不依赖 pandas 版本、不丢信息、兼容空层级，推荐这个组合：
df.columns = df.columns.to_flat_index().map(lambda x: '_'.join(map(str, x)).strip('_'))
-
to_flat_index()把每列转成元组，如('sales', 'sum')→('profit', 'mean') -
map(str)防止元组里有None或数字引发TypeError -
strip('_')清掉因单层列（如分组键）产生的前导或尾随下划线，例如('', 'city')→'city' - 如果原始列名含空格或特殊字符，建议后续加
.str.replace(r'[^a-zA-Z0-9_]', '_', regex=True)
重命名列时容易漏掉 agg 的字典键顺序影响
当用字典形式传入 agg()，比如 agg({'A': ['min', 'max'], 'B': 'sum'})，列顺序由字典插入顺序决定（Python 3.7+ 保证有序），但展平后的名字是 ('A', 'min')、('A', 'max')、('B', 'sum')。如果之后按字符串匹配重命名，别假设 'min' 一定在 'max' 前面——实际取决于你定义字典的顺序。
立即学习“Python免费学习笔记（深入）”；
- 检查顺序最简单方法：
list(df.columns)，别靠肉眼猜 - 批量重命名建议用
df.rename(columns=dict(zip(old_names, new_names)))，显式绑定 - 若用
agg([('new_a', 'min'), ('new_b', 'max')])，展平后直接得'new_a'和'new_b'，跳过拼接步骤，适合命名确定的场景
('A', '') 或直接报错。动手前先 print(df.columns) 看清结构，比查文档更快。 
