如何从Multi-index DataFrame的索引中提取单列？

问题场景 #

当DataFrame设置多级索引（MultiIndex）后，直接用df['col_name']或df.col_name提取索引列会触发KeyError——因为这些索引不属于DataFrame的普通列。下面介绍几种无需重置索引的直接提取方法。

解决方案 #

方法1：使用index.get_level_values()（推荐）

这是Pandas官方推荐的提取多级索引列的方法，支持通过索引名称或位置（从0开始计数）指定目标：

# 通过索引名称提取
sepal_length_col = df.index.get_level_values('sepal_length')

# 通过索引位置提取（sepal_length是第一个索引，位置为0）
sepal_length_col = df.index.get_level_values(0)

提取结果为Series对象，格式与普通列一致，可直接用于后续操作。

方法2：将索引转为DataFrame后提取

先把多级索引转换为普通DataFrame，再提取目标列，适合需要同时查看多个索引列的场景：

# 索引转DataFrame后提取列
sepal_length_col = df.index.to_frame()['sepal_length']

方法3：重置索引后提取（兼容普通列操作）

如果需要将索引列转为普通列进行后续处理，可以使用你已经想到的reset_index()：

# 重置索引，将索引列转为普通列后提取
sepal_length_col = df.reset_index()['sepal_length']

代码验证示例 #

结合你的测试代码，完整验证如下：

import pandas as pd

file_name = "https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv"
df = pd.read_csv(file_name)
df = df.set_index(['sepal_length','sepal_width'])

# 使用get_level_values提取索引列
print(df.index.get_level_values('sepal_length').head())
# 输出：
# Float64Index([5.1, 4.9, 4.7, 4.6, 5.0], dtype='float64', name='sepal_length')

内容的提问来源于stack exchange，提问作者liyuan