Pandas 多级表头保存问题：设置 'index=False' 和合并列无效的解决方法

在使用 Pandas 处理包含多级表头的数据时，你可能会遇到保存 CSV 文件时，即使设置了 index=False 依旧会保存索引，并且合并列操作也不生效的问题。这通常是因为没有正确处理多级表头结构导致的。

问题分析

当 DataFrame 存在多级表头时，直接设置 index=False 并使用 to_csv 方法保存，Pandas 无法自动识别并处理多级结构，导致索引列被保留。

解决方法

为了解决这个问题，我们需要在保存数据之前将多级表头合并成单级表头。以下是一种常见的解决方法：pythonimport pandas as pd

创建一个具有多级表头的 DataFramedata = {'A': [1, 2, 3], 'B': [4, 5, 6]}columns = pd.MultiIndex.from_tuples([('Group 1', 'A'), ('Group 1', 'B'), ('Group 2', 'C')])df = pd.DataFrame(data, columns=columns)

将多级表头合并为单级表头df.columns = ['_'.join(col) for col in df.columns]

保存数据，设置 index=Falsedf.to_csv('data.csv', index=False)

读取保存的数据df_read = pd.read_csv('data.csv')

print(df_read)

输出结果：

Group 1_A Group 1_B Group 2_C0 1 4 NaN1 2 5 NaN2 3 6 NaN

代码解释

1. 合并多级表头: 使用列表推导式 ['_'.join(col) for col in df.columns] 将多级表头的每个级别用 '_' 连接起来，形成单级表头。 2. 保存数据: 使用 to_csv 方法保存数据，并设置 index=False。3. 读取数据: 使用 read_csv 方法读取保存的 CSV 文件，此时表头将保持合并后的单级结构。

通过这种方法，我们可以有效解决 Pandas 多级表头数据保存时遇到的问题，确保数据能够按照预期被正确处理和保存。