Pandas多级索引列：根据指定层级值获取对应数据

我有一个带多级表头的CSV文件，读取时设置header=[0,1,2,3]、index_col=0并解析日期，得到多级列索引的DataFrame。想要根据Level 0的列名（如'00590BL'）获取对应站点的lat值（期望结果为613297），尝试dfr[['00590BL']['lat']]时报错，求正确操作方法。

示例CSV数据：

name,   00590BL,    01090BL,    01100MS,    02200MS
lat,    613297, 626278, 626323, 616720
long,   5185127,    5188418,    5188431,    5181393
elv,    1833,   1915,   1915,   1499
1956-01-01, 1,  2,  2,  -2
1956-01-02, 2,  3,  3,  -1
1956-01-03, 3,  4,  4,  0
1956-01-04, 4,  5,  5,  1
1956-01-05, 5,  6,  6,  2

当前读取代码：

dfr = pd.read_csv(f_name,
                    skiprows     = 0,
                    header       = [0,1,2,3], 
                    index_col    = 0,
                    parse_dates  = True
                    )

一、更合理的读取方式（推荐） #

当前的header=[0,1,2,3]会把前4行全部作为列的多级表头，导致站点的lat/long/elv属性变成了列索引的一部分，而非可直接提取的元数据。更合理的做法是拆分读取：先提取站点属性元数据，再读取时间序列数据。

代码示例：

import pandas as pd

# 读取前3行作为站点元数据（lat/long/elv行）
meta_df = pd.read_csv(f_name, nrows=3, header=None)
# 转置后设置站点名为索引，方便查询
meta_df = meta_df.set_index(0).T

# 读取第5行及以后的时间序列数据（跳过前4行表头）
dfr = pd.read_csv(f_name, skiprows=4, index_col=0, parse_dates=True)

# 获取目标值
lat_value = meta_df.loc['00590BL', 'lat']
print(lat_value)  # 输出：613297

二、基于当前读取结果的操作方法 #

如果必须保留当前的四级列索引结构，可通过列的MultiIndex提取目标值：

方法1：通过列索引的层级筛选

# 筛选Level0为'00590BL'的列，取其Level1标签（即lat值）
lat_value = dfr.columns[dfr.columns.get_level_values(0) == '00590BL'][0][1]
print(lat_value)  # 输出：613297

方法2：直接定位列的元组索引

由于列的四级索引为('00590BL', '613297', '5185127', '1833')，也可直接通过元组定位列，再提取任意数据行的对应值（这里取第一行）：

# 定位目标列，提取第一行的值
lat_value = dfr.loc[:, ('00590BL', '613297', '5185127', '1833')].iloc[0]
# 注：此方法需预先知道lat/long/elv的具体值，灵活性较低

错误原因说明 #

你尝试的dfr[['00590BL']['lat']]存在两个问题：

1. 语法错误：['00590BL']['lat']是无效的Python语法，无法从列表中直接嵌套索引；
2. 逻辑错误：当前读取的DataFrame中，列的Level1是613297这类数值，而非'lat'——'lat'是索引列的层级名称，并非列索引的层级标签。

内容的提问来源于stack exchange，提问作者diedro