Pandas多级列索引DataFrame如何选取不同顶层索引下的指定多列

问题原因 #

你读取到的表格采用多级表头（MultiIndex）结构，ResidualMaturity为无下级子列的一级表头，Last为一级表头Yield下的二级子列，选取多列时需要将每个目标列的完整索引元组放入同一个列表传入。

解决代码 #

import pandas as pd
import requests

url = 'http://www.worldgovernmentbonds.com/country/japan/'
r = requests.get(url)
df_list = pd.read_html(r.text, flavor='html5lib')
df = df_list[4]
# 按多级索引元组筛选目标列
yc = df[[('ResidualMaturity', ''), ('Yield', 'Last')]]
# 可选：将多级列名展平为单级，方便导出和后续处理
yc.columns = ['ResidualMaturity', 'Yield_Last']
print(yc)
# 导出为csv直接执行：yc.to_csv('japan_bond_yield.csv', index=False)

注意事项 #

• 如果运行提示列不存在，可先执行print(df.columns.tolist())打印所有列的完整索引结构，根据实际返回的元组内容替换筛选列表中的对应值即可，部分场景下无下级子列的列二级索引会和一级索引同名，调整为('ResidualMaturity', 'ResidualMaturity')即可。
• 展平列名后导出的csv不会出现多级表头冗余行，更适合后续数据处理。

内容的提问来源于stack exchange，提问作者Terence Chew