如何访问Series的MultiIndex值？多索引数据基线扣除报错解决

你碰到的AttributeError: 'Series' object has no attribute 'columns'其实很好理解：当你用df.iloc[:,n]取出单列数据时，得到的是Series对象，它只有index属性（对应原DataFrame的行索引），根本不存在columns属性，所以原代码里的data.columns.get_level_values肯定会报错。你的Series的MultiIndex是存在于它的index中的，得从这里入手访问baseline值。

方案一：修正循环逻辑 #

如果坚持用逐列循环的方式，你可以通过Series的index定位到baseline对应的行，取出它的值：

n = 0
while n < df.shape[1]:
    data = df.iloc[:, n]
    # 直接通过索引取出baseline对应的值
    baseline = data.loc['baseline']
    # 给所有行扣除baseline值
    df.iloc[:, n] = data - baseline
    n += 1

也可以用xs方法更优雅地提取baseline值（适合复杂MultiIndex场景）：

baseline = data.xs('baseline', level='type')

方案二：广播减法（强烈推荐，适合大型DataFrame） #

完全没必要逐列循环，利用pandas的广播特性，一行代码就能完成所有列的baseline扣除，效率高得多：

# 先提取baseline行
baseline_row = df.xs('baseline', level='type')
# 直接做广播减法，pandas会自动匹配列进行计算
df_subtracted = df - baseline_row
# 如果不想让baseline行变成0（需要保留原始值），可以替换回去
df_subtracted.loc['baseline'] = df.loc['baseline']

补充：如何查看Series的MultiIndex？ #

你提到想得到类似Index([10], dtype='object', name='baseline')的结果，其实对于Series来说，你可以通过index属性操作：

# 获取type级别的所有索引项
data.index.get_level_values('type')
# 定位到baseline对应的索引位置
baseline_idx = data.index.get_level_values('type') == 'baseline'
# 取出baseline对应的值
baseline_value = data[baseline_idx].values[0]

这样处理后，就能顺利完成你需要的baseline扣除操作了。

内容的提问来源于stack exchange，提问作者JC_CL