Pandas多级索引DataFrame交换层级后赋值失效问题排查

问题分析 #

原代码试图通过swaplevel交换列层级后筛选c1列并赋值为1，但执行后原DataFrame无变化，还触发FutureWarning。核心原因：

• swaplevel返回的是DataFrame的副本，直接对副本的loc赋值不会影响原DataFrame
• 链式索引（df.swaplevel(...).loc[...]）属于模糊赋值操作，Pandas无法确定你要修改原对象还是临时副本，因此抛出警告

正确实现方式 #

方法1：直接筛选目标列（无需交换层级） #

直接通过列索引的层级筛选出第三层级为c1的列，原地赋值：

import numpy as np
import pandas as pd

mix = pd.MultiIndex.from_tuples([('a1','b1','c1'),('a1','b2','c1'),('a1','b3','c2')])
df = pd.DataFrame(np.zeros((3,3)),columns=mix)
print("修改前：")
print(df)

# 筛选第三层级为c1的列并赋值为1
df.loc[:, df.columns.get_level_values(2) == 'c1'] = 1

print("\n修改后：")
print(df)

运行输出：

修改前：
        a1          
        b1   b2   b3
        c1   c1   c2
0  0.0  0.0  0.0
1  0.0  0.0  0.0
2  0.0  0.0  0.0

修改后：
        a1          
        b1   b2   b3
        c1   c1   c2
0  1.0  1.0  0.0
1  1.0  1.0  0.0
2  1.0  1.0  0.0

方法2：交换层级后正确赋值（避免链式索引） #

如果一定要先交换层级，可以先获取交换后的列索引，再用原DataFrame的loc赋值：

# 获取交换层级后的列索引
swapped_cols = df.swaplevel(0,2,axis=1).columns
# 筛选c1对应的原列
target_cols = swapped_cols[swapped_cols.get_level_values(0) == 'c1']
# 赋值
df.loc[:, target_cols] = 1

关于FutureWarning的说明 #

原代码的链式赋值操作属于Pandas不推荐的模糊操作，因为无法确定是修改原对象还是临时副本。警告提示的解决核心是避免链式索引，直接针对原DataFrame的明确列进行赋值，上面两种方法都符合要求，不会触发警告。

内容的提问来源于stack exchange，提问作者Guido