如何用列表形式访问多层索引DataFrame的指定列？

这个问题我之前也碰到过！原因是pandas对于多层索引的列，直接用普通列表['bar','one']访问时，会把列表里的每个元素都当成第一层级的列名来查找，但'one'是第二层级的索引，自然找不到就报错了。

给你两个简单的解决方法：

方法1：用元组组成的列表指定列 #

你需要把每一组层级索引打包成元组，再放到列表里，这样pandas就能准确识别每一层的索引值：

import numpy as np
import pandas as pd

# 还原你的DataFrame
index = [np.array(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux']), np.array(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'])]
df = pd.DataFrame(np.random.randn(3, 8), index=['A', 'B', 'C'], columns=index)

# 正确的columns定义
columns = [('bar', 'one')]
# 一次性访问目标列
target_df = df[columns]
print(target_df)

如果需要同时访问多组列，比如bar/one和baz/two，直接扩展列表就行：

columns = [('bar', 'one'), ('baz', 'two')]
target_df = df[columns]

方法2：使用loc进行精准定位 #

loc方法可以通过第二个参数直接指定多层列索引的元组，写法更简洁：

target_df = df.loc[:, ('bar', 'one')]
# 如果要选多列，同样用元组的列表
target_df = df.loc[:, [('bar', 'one'), ('baz', 'two')]]

两种方法都能完美解决你的问题，你可以根据自己的习惯选择~

内容的提问来源于stack exchange，提问作者Vaaal88