熊猫：是否有办法使用“ droplevel”之类的方法，并在处理过程中使用掉级标签作为前缀/后缀来重命名另一个级别？

使用

list comprehension

df.columns = df.columns.map('_'.join)Or:df.columns = ['_'.join(col) for col in df.columns]

样品：

df = pd.Dataframe({'A':[1,2,2,1],        'B':[4,5,6,4],        'C':[7,8,9,1],        'D':[1,3,5,9]})print (df)   A  B  C  D0  1  4  7  11  2  5  8  32  2  6  9  53  1  4  1  9df = df.groupby('A').agg([max, min])df.columns = df.columns.map('_'.join)print (df)   B_max  B_min  C_max  C_min  D_max  D_minA         1      4      4      7      1      9      12      6      5      9      8      5      3

print (['_'.join(col) for col in df.columns])['B_max', 'B_min', 'C_max', 'C_min', 'D_max', 'D_min']df.columns = ['_'.join(col) for col in df.columns]print (df)   B_max  B_min  C_max  C_min  D_max  D_minA         1      4      4      7      1      9      12      6      5      9      8      5      3

如果需要

prefix

df.columns = ['_'.join((col[1], col[0])) for col in df.columns]print (df)   max_B  min_B  max_C  min_C  max_D  min_DA         1      4      4      7      1      9      12      6      5      9      8      5      3

另一个解决方案：

df.columns = ['{}_{}'.format(i[1], i[0]) for i in df.columns]print (df)   max_B  min_B  max_C  min_C  max_D  min_DA         1      4      4      7      1      9      12      6      5      9      8      5      3

如果

len

to_series

str.join

df.columns = df.columns.to_series().str.join('_')