如何修改Pandas多级索引DataFrame中的值？

嘿，我来帮你搞定这个问题！你遇到的df.loc[0]['foo']['a'] = 12.3无效的情况，其实是pandas里一个经典的“坑”——链式索引（chained indexing）返回的是原DataFrame的副本，你修改的只是这个临时副本，原DataFrame根本不会被更新。

针对你给出的两级列索引结构（第一级是foo/po/di，第二级是a/b/c），下面是几种可靠的修改方法，亲测有效：

方法1：用df.loc配合元组指定多级列 #

这是最直接的方式，直接在loc的列参数里用元组明确指定多级索引的层级，能精准定位到原DataFrame的目标位置：

df.loc[0, ('foo', 'a')] = 12.3

如果要批量修改某一列（比如所有行的foo下的a），可以省略行索引：

df.loc[:, ('foo', 'a')] = 12.3

方法2：用df.at快速修改单个值 #

如果你只需要修改单个值，at是更高效的选择，它同样支持多级索引：

df.at[0, ('foo', 'a')] = 12.3

方法3：先定位一级列再修改（避免链式索引） #

要是你想先选中一级列foo再修改其中的a，别用链式索引，改成一次索引完成：

df[('foo', 'a')].iloc[0] = 12.3
# 或者更灵活的方式，筛选出一级列为foo的列再修改
df.loc[0, df.columns.get_level_values(0) == 'foo'].loc[:, 'a'] = 12.3

不过这种方法不如前两种简洁，优先推荐前两种。

验证修改结果 #

改完之后可以用下面的代码确认是否生效：

print(df.loc[0, ('foo', 'a')])
# 或者直接查看整行数据
print(df.iloc[0])

最后补一句，创建你那个示例DataFrame的时候，记得先导入依赖库：

import pandas as pd
import numpy as np
colnames = [ ['foo', 'foo', 'foo', 'po', 'po', 'po', 'di', 'di', 'di'], ['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c'] ]
df = pd.DataFrame(columns=colnames, index=np.arange(5))

内容的提问来源于stack exchange，提问作者jaydeepsb