以下查询的屏幕截图：
有没有办法轻松删除上级列索引,并且有一个单一级别的标签,如points_prev_amax,points_prev_amin,gf_prev_amax,gf_prev_amin等等？
解决方法
使用list comprehension设置新列名：
df.columns = df.columns.map('_'.join)
Or:
df.columns = ['_'.join(col) for col in df.columns]
样品：
df = pd.DataFrame({'A':[1,2,1],'B':[4,5,6,4],'C':[7,8,9,'D':[1,3,9]})
print (df)
A B C D
0 1 4 7 1
1 2 5 8 3
2 2 6 9 5
3 1 4 1 9
df = 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_min
A
1 4 4 7 1 9 1
2 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_min A 1 4 4 7 1 9 1 2 6 5 9 8 5 3
如果需要前缀简单的元组交换项：
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_D A 1 4 4 7 1 9 1 2 6 5 9 8 5 3
另一种方案：
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_D
A
1 4 4 7 1 9 1
2 6 5 9 8 5 3
如果列的列数很大(10 ^ 6),那么请使用to_series和str.join：
df.columns = df.columns.to_series().str.join('_')