如何访问并修改多层索引DataFrame中指定单元格的值？

构建DataFrame的代码： #

from collections import defaultdict
import pandas as pd

dic = {'US':{'Traffic':{'new':1415, 'repeat':670}, 'Sales':{'new':67068, 'repeat':105677}},
      'UK': {'Traffic':{'new':230, 'repeat':156}, 'Sales':{'new':4568, 'repeat':10738}}}
d1 = defaultdict(dict)
for k, v in dic.items():
    for k1, v1 in v.items():
        for k2, v2 in v1.items():
            d1[(k, k2)].update({k1: v2})

# 补充缺失的DataFrame初始化步骤
df = pd.DataFrame.from_dict(d1, orient='index')
df.insert(loc=0, column='Mode', value='Website')
df.insert(loc=1, column=('', 'Symbol'), value=None)
df.columns = df.columns.rename("Metric", level=1)

该DataFrame为多层列索引结构：列层级包含外层标签与内层Metric（涵盖Symbol、Traffic、Sales），行索引是(国家, 用户类型)的组合。

需求： #

将Symbol列中对应Traffic的行设为'N'，对应Sales的行设为'USD'。

尝试过的无效代码： #

df.loc['Traffic']['Symbol'] = 'N'

解决方案： #

你之前的代码无效，是因为链式索引可能返回视图而非副本，且行索引是(国家, 用户类型)的元组，并非单个'Traffic'标签。以下是两种可行的处理方式：

方法1：按列关联逻辑批量赋值

如果需要针对所有行按业务规则设置Symbol值：

# 先将所有行的Symbol列设为'N'（对应Traffic）
df[('', 'Symbol')] = 'N'
# 筛选Sales列非空的行，将其Symbol设为'USD'
df.loc[df['Sales'].notna(), ('', 'Symbol')] = 'USD'

方法2：精准定位多层索引（若行索引为Metric）

如果你的DataFrame是转置后行索引为Metric（Traffic/Sales）的结构，可借助pd.IndexSlice定位：

import pandas as pd

# 定位Traffic行的Symbol列赋值
df.loc[pd.IndexSlice['Traffic'], ('', 'Symbol')] = 'N'
# 定位Sales行的Symbol列赋值
df.loc[pd.IndexSlice['Sales'], ('', 'Symbol')] = 'USD'

关键注意事项：

• 避免使用df.loc[]][...]的链式索引，改用df.loc[行条件, 列标签]的单步索引，确保赋值直接作用于原DataFrame。
• 多层列索引需用完整标签元组定位，比如('', 'Symbol')对应外层空标签、内层Symbol的列。

内容的提问来源于stack exchange，提问作者M J