総務省 e-Stat のデータ「平成２２年国勢調査（小地域）　2010/10/01」の「年齢別（５歳階級、４区分）、男女別人口」で「千代田区(10KB)」のヘッダの意味を読み解いてみる。間違ってたらコメントいただけるとありがたい。

基本的には「定義書」に書かれているべきな気がするが、定義書も意味がよく分からないところが多々…。「連番」とか「階層」とか説明が必要が見当たらない。

データを眺めると、次のような MultiIndex のカラムになっているように読める。

0	1
KEY_CODE
HYOSYO
CITYNAME
NAME
HTKSYORI
HTKSAKI
GASSAN
T000573001	総数、年齢「不詳」含む
T000573002	総数０～４歳
T000573003	総数５～９歳
T000573004	総数１０～１４歳
T000573005	総数１５～１９歳
T000573006	総数２０～２４歳
T000573007	総数２５～２９歳
T000573008	総数３０～３４歳
T000573009	総数３５～３９歳
T000573010	総数４０～４４歳
T000573011	総数４５～４９歳
T000573012	総数５０～５４歳
T000573013	総数５５～５９歳
T000573014	総数６０～６４歳
T000573015	総数６５～６９歳
T000573016	総数７０～７４歳
T000573017	総数１５歳未満
T000573018	総数１５～６４歳
T000573019	総数６５歳以上
T000573020	総数７５歳以上
T000573021	男の総数、年齢「不詳」含む
T000573022	男０～４歳
T000573023	男５～９歳
T000573024	男１０～１４歳
T000573025	男１５～１９歳
T000573026	男２０～２４歳
T000573027	男２５～２９歳
T000573028	男３０～３４歳
T000573029	男３５～３９歳
T000573030	男４０～４４歳
T000573031	男４５～４９歳
T000573032	男５０～５４歳
T000573033	男５５～５９歳
T000573034	男６０～６４歳
T000573035	男６５～６９歳
T000573036	男７０～７４歳
T000573037	男１５歳未満
T000573038	男１５～６４歳
T000573039	男６５歳以上
T000573040	男７５歳以上
T000573041	女の総数、年齢「不詳」含む
T000573042	女０～４歳
T000573043	女５～９歳
T000573044	女１０～１４歳
T000573045	女１５～１９歳
T000573046	女２０～２４歳
T000573047	女２５～２９歳
T000573048	女３０～３４歳
T000573049	女３５～３９歳
T000573050	女４０～４４歳
T000573051	女４５～４９歳
T000573052	女５０～５４歳
T000573053	女５５～５９歳
T000573054	女６０～６４歳
T000573055	女６５～６９歳
T000573056	女７０～７４歳
T000573057	女１５歳未満
T000573058	女１５～６４歳
T000573059	女６５歳以上
T000573060	女７５歳以上

KEY_CODE, HYOSYO, CITYNAME, NAME, HTKSYORI, HTKSAKI, GASSAN は先ほどの定義書に載っていない。
これらの意味が重要。

KEY_CODE

行政コード。桁数に応じて区画の大きさが変わる。桁数は 5, 9, 11 とあり、行政コードのコード体系から始めて組み立てられている。大きい区画と、それに含まれる小さい区画も両方行として存在している。並行して存在しているときは、大きい区画には合計値が入っている。

HYOSYO

KEY_CODE の組み立てられたコード体系の深さ？

CITYNAME

一番大きな単位での土地の名前

NAME

一番小さな単位での土地の名前

HTKSYORI

「秘匿処理」が行われているかどうか。「秘匿地域」と「合算地域あり」の二種類があり、これらは相互の関係にある。

HTKSAKI

HTKSYORI が「秘匿地域」になっている場合に値が入っている。
該当行の KEY_CODE 先頭　5 文字と連結して使う。

GASSAN

HtKSYORI が「合算地域あり」になっている場合に値が入っている。
該当行の KEY_CODE 先頭　5 文字と連結して使う。
複数の地域を合算している場合はセミコロンで複数が連結されている。

pandas

こんな感じ？

import pandas as pd

opts = dict(
    header=[0,1],
    converters={i:str for i in range(7)}
)
txt_ = pd.concat([pd.read_csv(open(f, encoding="CP932"), **opts) for f in glob.glob("tblT000573C27*.txt")])
txt_columns = txt_.columns
txt_.columns =  [c[0] if c[1].startswith("Unnamed:") else c[1] for c in txt_.columns]
txt = pd.concat([txt_[txt_.columns[:7]],
    txt_[txt_.columns[7:]].applymap(lambda s: 0 if s in ("-","X") else int(s))], axis=1)

for ri,r in txt.iterrows():
    for s in r["GASSAN"].split(";"):
        if not s:
            continue
        t = r["KEY_CODE"][:5]+s
        assert txt[txt["KEY_CODE"]==t].shape[0] == 1