无法选择Pivot Table索引列？如何选取'year-month'或'amount'列

看起来你的透视表结构里，year-month应该是被设置成了行索引，而非普通的DataFrame列，所以直接用pivot_df['year-month']这种常规列选择方式才会失效。下面给你几个可行的解决办法：

方法1：重置索引，将索引转为普通列 #

这是最直接的方式，把行索引转换成DataFrame的常规列，之后就能用你习惯的列选择语法操作了：

# 重置索引，将原索引转为名为'year-month'的列
pivot_df = pivot_df.reset_index(names='year-month')
# 现在可以正常选取目标列
year_month_col = pivot_df['year-month']
amount_col = pivot_df['amount']

方法2：直接从索引中提取目标数据 #

如果你不想改动原透视表的结构，可以直接从索引中获取year-month的数据：

# 如果year-month是唯一的行索引
year_month_values = pivot_df.index
# 如果是多级索引（比如还有其他层级），指定层级名称提取
year_month_values = pivot_df.get_level_values('year-month')

# 对于amount列：如果它是透视表的数值列，直接用列名选取即可
# 要是amount是唯一的数值列，也可以用位置索引选取
amount_col = pivot_df.iloc[:, 0]

方法3：从根源调整透视表创建逻辑 #

如果你是用pd.pivot_table()创建的透视表，可以回顾参数设置，避免year-month被设为索引：

• 创建时不要把year-month放在index参数里，可根据需求调整到columns参数，或者保留为普通数据列；
• 确保amount被正确指定为values参数的值，这样它会作为常规列存在于透视表中。

举个示例（避免year-month成为索引的写法）：

# 假设原始数据为df，以product为索引，year-month为列，amount为值
pivot_df = pd.pivot_table(df, values='amount', index='product', columns='year-month')
# 此时year-month是列名，可直接用pivot_df[['2015-03-01', '2015-04-01']]选取对应月份列

内容的提问来源于stack exchange，提问作者statistic