reset_index()不能展平多层列名，因为它只作用于行索引（index），对列索引（columns）完全无效；展平列需操作df.columns，如用['_'.join(col).strip() for col in df.columns.values]生成唯一可读列名。
为什么 reset_index() 不能直接展平多层列名？
分组聚合后出现的 MultiIndex 列（比如 df.groupby('A')[['B', 'C']].agg(['mean', 'sum'])）是列层级嵌套，不是行索引。这时候用 reset_index() 毫无作用——它只对行索引生效，对列索引完全没反应。
真正要操作的是 columns 属性本身。常见错误是试图用 df.columns = df.columns.get_level_values(0) 粗暴取第一层，结果所有列名撞车（比如多个 'mean'），数据直接覆盖丢失。
正确做法是生成唯一、可读的列名组合：
- 用
map('_'.join)把各层拼成字符串：df.columns = ['_'.join(col).strip() for col in df.columns.values] - 注意
col是元组，可能含None（比如单层 agg 后有空名），strip()防止开头下划线 - 如果某层是函数对象（如
<function numpy.mean>），先用__name__提取名字再拼接
用 agg() 的字典语法提前避免多层列
与其事后展平，不如从源头控制输出结构。当聚合逻辑不复杂时，直接用字典指定新列名最稳妥：
立即学习“Python免费学习笔记（深入）”；
df.groupby('category').agg({
'sales': 'sum',
'profit': 'mean',
'count': ('id', 'count')
})这样输出就是普通单层列，列名就是 'sales'、'profit'、'count'，完全绕开 MultiIndex 问题。
注意点：
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- 值是字符串（如
'sum'）时，Pandas 自动映射到对应函数；是元组（如('id', 'count')）时，表示对'id'列做'count'运算 - 不支持对同一列应用多个函数（如
'sales': ['sum', 'mean']），那又会触发多层列
droplevel() 和 set_levels() 什么情况下能用？
只有当你确认某一层全是重复值或无关信息时，才适合用 droplevel()。例如：
df.columns = df.columns.droplevel(0) # 删除最外层
但必须先验证：运行 df.columns.get_level_values(0).unique()，如果返回 Index(['all'], dtype='object') 这种单值，删掉才安全。
更常见的情况是想统一替换某一层的名字（比如把所有 'mean' 改成 'avg'）：
- 用
set_levels()修改特定层级：df.columns = df.columns.set_levels(df.columns.levels[1].str.replace('mean', 'avg'), level=1) - 修改后仍需拼接展平，否则还是多层列
- 别误用
rename()——它对MultiIndex列无效
展平后列名含空格或特殊字符怎么办？
拼接后容易出现 'B_mean'、'C sum' 这类不规范列名（尤其原始列名带空格）。后续用 . 访问或写 SQL 会报错。
推荐一步清洗：
df.columns = [col.replace(' ', '_').replace('-', '_').lower() for col in df.columns]关键细节：
- 不要只用
str.lower()，空格和连字符在数据库字段名中非法 - 避免用
str.replace(' ', '')直接删空格，会导致'total amount'变成'totalamount'，语义模糊 - 如果列名里有中文或 emoji，建议彻底重命名，Pandas 虽支持但下游工具（如 SQLAlchemy、Tableau）很可能出问题
多层索引展平看着只是字符串操作，但每一步都得盯着 df.columns 的实际结构——打印 df.columns 和 type(df.columns) 比猜强十倍。
