怎么把两个级别的行索引重建成两个级别的列索引

import pandas as pdInflation_dict_country1= { "Inflation":[3, 3.2, 3.6, 3.9], "Year":[2015, 2016, 2017, 2018] , "Country":["Country 1"]*4 }Inflation_dict_country2 = { "Inflation":[2.8, 2.7, 2.8, 3.2], "Year":[2016, 2017, 2018, 2019], "Country":["Country 2"]*4 }Inflation_df_country1 = pd.DataFrame(Inflation_dict_country1)Inflation_df_country1.set_index(['Year', 'Country'], inplace=True)Inflation_df_country2 = pd.DataFrame(Inflation_dict_country2)Inflation_df_country2.set_index(['Year', 'Country'], inplace=True)Inflation_df = pd.concat([Inflation_df_country1, Inflation_df_country2])

这是说给的是行索引，怎么用一句代码改两个级别的列索引且country为内部

如果要把两个级别的行索引重建成两个级别的列索引，可以使用 DataFrame.stack() 函数，如下所示：

Inflation_df = Inflation_df.stack()

这样，就可以把原来的两个级别的行索引重建成两个级别的列索引。如果要把列索引重建成行索引，可以使用 DataFrame.unstack() 函数。

此外，还可以使用 DataFrame.reset_index() 函数来重置索引，将索引转换为普通列，如下所示：

Inflation_df = Inflation_df.reset_index()

这样，就可以把原来的索引转换为普通的列，并且可以自定义列的名称。例如，可以使用 columns 参数来指定列的名称，如下所示：

Inflation_df = Inflation_df.reset_index(columns=['Year', 'Country', 'Level1', 'Inflation'])

在这个代码中，我们指定了四列的名称，分别是 Year、Country、Level1 和 Inflation。其中，Level1 是新生成的列，它用于存储原来的第一级别索引的值。

总之，如果要重建索引，可以使用 stack() 和 unstack() 函数来把行索引重建成列索引，或者使用 reset_index() 函数来把索引重置为普通列。