透视一个空的数据框会产生一列MULTIindex

我遇到一个问题，当我将数据透视表应用于空数据框时，pivot_table会为该列生成MultiIndex而不是索引。

所以这就是我想要做的。我有一些数据正在读入数据框df中。该数据帧的一列是“类型”，我需要根据df列中的类型将数据帧df分为两个数据帧df2和df3。虽然在大多数情况下，我传入的用于创建df的数据会同时具有两种类型（以下分别为类型“ A”和“ B”），但有时我可能会缺少另一种类型的值。

但是，我需要从每个数据透视表创建缺失的列和索引，并在必要时填充为0。当数据中不缺少类型时，这很好：我可以使用两次.reindex来填写缺少的索引和列。但是如果类型完全丢失，则派生的数据帧之一（以下为df2或df3）将为空。在这种情况下，索引最终将成为多索引。

这是一个例子

import pandas as pd
df = pd.DataFrame({'type': ['A', 'A', 'A'], 'val': [1, 2, 3], 'col': ['a', 'b', 'a'], 'ind': [6, 6, 8]})
df2 = df[df['type'] == 'A'][['val', 'col', 'ind']].pivot_table(values='val', index='ind', columns='col', fill_value=0)
df3 = df[df['type'] == 'B'][['val', 'col', 'ind']].pivot_table(values='val', index='ind', columns='col', fill_value=0)

我现在想做的是链.reindex（['a'，'b'，'c'，'d']，axis = 1，fill_value = 0）.reindex（list（range（6 ，9）），axis = 0，fill_value = 0）移至df2和df3上。但这会产生错误，因为df3的列索引是MultiIndex（[]，names = [None，'col']）而不是Index（[]，name ='col'）。而且，我似乎不能只删除None，因为诸如.drop（columns = None）`之类的东西显然不会/不起作用。

有没有一种有效而简单的方法来处理此问题？

*为了将问题简化一下，以防万一我真正应该做的是重构整个事情，我拥有的数据看起来像这样 {'type': ['A', 'A', 'A'], 'val': [1, 2, 3], 'col': ['a', 'b', 'a'], 'ind': [6, 6, 8]}

“类型”列表可以同时包括或不包括“ A”和“ B”两种类型。

由此，我需要创建两个单独的数据帧以分别捕获类型“ A”和“ B”的信息，这些信息足够健壮，可以在缺少任何一种时进行处理。上面的示例生成的数据帧应类似于此。

df2 = 
    'a' 'b' 'c' 'd'
6    1   2   0   0
7    0   0   0   0
8    3   0   0   0

and

df3 =
    'a' 'b' 'c' 'd'
6    0   0   0   0
7    0   0   0   0
8    0   0   0   0

问题来源：stackoverflow