如果使用pandas.read_csv()或pandas.read_table()，可以为header参数提供一个索引列表，以指定要用于列标题的行。Python将在df.columns中为您生成pandas.MultiIndex：

df = pandas.read_csv('DollarUnitSales.csv', header=[0,1])

也可以使用两个以上的行或非连续行来指定列标题：

df = pandas.read_table('DataSheet1.csv', header=[0,2,3])

可以从行创建MultiIndex并将其分配为新的列标签。
例如，要进行以下转换，请使用pd.MultiIndex.from_frame()。

df = pd.DataFrame([[2016, 2016, 2015, 2015], 
                   ['Dollar Sales', 'Unit Sales', 'Dollar Sales', 'Unit Sales'], 
                   [1, 2, 3, 4], [5, 6, 7, 8]], columns=[*'ABCD'])

new_labels = pd.MultiIndex.from_frame(df.iloc[:2].T.astype(str), names=['Year', 'Sales'])
df1 = df.set_axis(new_labels, axis=1).iloc[2:]

也可以从旧的列标签和数据框行创建MultiIndex。例如，要进行以下转换，请使用pd.MultiIndex.from_arrays()。

df = pd.DataFrame([['Dollar Sales', 'Unit Sales', 'Dollar Sales', 'Unit Sales'], 
                   [1, 2, 3, 4], [5, 6, 7, 8]], columns=[2016, 2016, 2015, 2015])

new_labels = pd.MultiIndex.from_arrays([df.columns, df.iloc[0]], names=['Year', 'Sales'])
df1 = df.set_axis(new_labels, axis=1).iloc[1:]

注意：需要注意的一件重要的事情是 Dataframe 的数据类型对于它所保存的数据来说可能并不理想;astype(int)等最终可能是必要的。
此外，如果索引应该被重置，则可能需要reset_index(drop=True)。

是的，在pandas中可以使用两行的列标题。您可以通过为列标题创建MultiIndex对象来实现这一点。MultiIndex是一个分层索引对象，它使您能够在pandas DataFrame中表示更高维的数据。
下面是一个如何使用MultiIndex创建具有两行列标题的DataFrame的示例：

import pandas as pd

# Create the column index as a MultiIndex
cols = pd.MultiIndex.from_tuples([
    ('2016', 'Dollar Sales'),
    ('2016', 'Unit Sales'),
    ('2015', 'Dollar Sales'),
    ('2015', 'Unit Sales')
])

# Create a DataFrame with random data
data = pd.DataFrame(
    data=[[10, 20, 30, 40], [50, 60, 70, 80]],
    columns=cols
)

print(data)

这将输出一个带有两行列标题的DataFrame：

2016           2015          
  Dollar Sales Unit Sales Dollar Sales Unit Sales
0           10         20          30         40
1           50         60          70         80

然后，您可以使用MultiIndex对象来选择和操作数据：

# Select the 'Dollar Sales' columns
dollar_sales = data.loc[:, (slice(None), 'Dollar Sales')]

# Group by date and sum the 'Dollar Sales'
grouped = dollar_sales.groupby(level=0, axis=1).sum()

print(grouped)

这将输出一个DataFrame，其中“Dollar Sales”列按日期求和：

2015  2016
0    30    10
1    70    50

然后，您可以使用此分组数据创建图表。
希望这能有所帮助！