Pandas中单级MultiIndex列无法降维为Series的底层原因排查

这其实是Pandas对MultiIndex类型的严格区分导致的——哪怕它只有一级，本质上还是MultiIndex对象，而非普通Index。咱们一步步拆解底层逻辑：

1. 单级MultiIndex不会自动「降级」为普通Index #

你用pd.MultiIndex.from_product([list('AB')])创建的索引，哪怕只有一个层级，它的类型依然是pandas.core.indexes.multi.MultiIndex，而非普通的pandas.core.indexes.base.Index。

Pandas不会因为层级数为1就自动转换索引类型，这是设计上的刻意选择：保留索引的元数据（比如层级名称、类型定义），避免隐式转换带来的意外行为。所以你的DataFrame列索引从一开始就是MultiIndex，哪怕视觉上和普通列没区别。

2. 为什么df.A返回DataFrame而非Series？ #

当对MultiIndex列使用属性访问（df.A）或索引访问（df['A']）时，Pandas的逻辑是：

• 若为普通Index，访问单个列会返回Series；
• 若为MultiIndex，访问单个层级标签时，会返回该标签对应的所有列组成的DataFrame——哪怕这个标签只对应一列。

在MultiIndex的语境下，'A'是某个层级的标签，而非单个列的唯一标识（哪怕实际只有一列）。Pandas默认认为你要提取该层级下所有匹配'A'的列，因此返回DataFrame而非Series。

3. 无限链式引用的原因 #

df.A返回的是一个列索引仍为单级MultiIndex的DataFrame（列仅包含'A'，但类型还是MultiIndex）。当你继续调用.A时，本质是对这个新DataFrame的MultiIndex列重复执行相同的提取操作，自然会不断返回相同的单列DataFrame，所以能无限链式下去。

4. df.xs('A', axis=1)的行为一致 #

xs（Cross Section）方法的设计初衷是从MultiIndex中提取某层级的截面数据，它会保留剩余的索引层级。当你从单级MultiIndex中提取单个标签时，返回的DataFrame列索引依然是仅包含该标签的单级MultiIndex，因此结果和df.A完全一致。

如何得到预期的Series？ #

如果想要获取Series，可以通过两种方式显式处理：

• 方法1：转换列索引为普通Index：

  df.columns = df.columns.get_level_values(0)
  

  之后df.A就会返回Series。
• 方法2：直接提取并压缩为Series：

  df['A'].squeeze()  # 把单列DataFrame转成Series
  # 或者
  df.loc[:, 'A']     # 明确指定行和列，返回Series
  

内容的提问来源于stack exchange，提问作者piRSquared