如何将DataFrame的id列转换为多层索引的第三列？

我有一个带有多层行索引（name、date）和多列数据的DataFrame：

id value1 value2  valuen
name  date
foo   01-2000  No01    324   6575     ...
bar   02-2000  No02    964   0982     ...

现在需要把id列转换为数字（执行df['id'] = df['id'].str[1:]和df['id'] = df['id'].astype(int)），并将其添加为多层索引的第三列，最终得到如下结构的DataFrame：

value1 value2  valuen
name  date     id
foo   01-2000   1    324   6575     ...
bar   02-2000   2    964   0982     ...

我知道有多种实现方法，但想知道pandas是否有内置快捷方式，比如类似pd.make_index_col(df['id'])或df.add_to_index('id')的方法。

pandas从2.0版本开始提供了完全贴合需求的内置快捷方式：使用DataFrame.set_index()的append=True参数，直接将指定列追加到现有多层索引中，无需手动重组索引结构。

完整实现代码如下：

# 第一步：处理id列，提取数字部分并转为整数类型
df['id'] = df['id'].str[1:].astype(int)

# 第二步：将id列追加到现有多层索引末尾
df = df.set_index('id', append=True)

如果需要链式调用一步完成，可以写成：

df = df.assign(id=lambda x: x['id'].str[1:].astype(int)).set_index('id', append=True)

关键说明 #

• append=True是核心参数：它会保留原有的name、date两层索引，同时将id列作为新层级添加到索引的最后，完美匹配你需要的三层索引结构。
• 这个方法就是pandas官方提供的"快捷方式"，比手动拼接索引元组的写法更简洁易读，也更符合pandas的API设计逻辑。

内容的提问来源于stack exchange，提问作者JC_CL