技术问询：使用MultiIndex是否需将表头列表转数组及转换方法

Question #

我希望基于多个表头条件查询数据。使用pandas读取包含6行表头的CSV文件时，表头被识别为一个大型列表而非6个数组。请问为了使用MultiIndex相关功能，是否需要将其转换为数组？具体该如何操作？

相关代码示例：

data = pd.read_csv('data.csv', header = [0,1,2,3,4,5], index_col = 0)
# list(data) 输出示例：
# [('US Banks', 'Main', 'Sectors', 'ALL', 'ALL', 'Modified Duration'), ('US Banks', 'Main', 'Sectors', 'ALL', '1-3', 'Modified Duration'), ('US ...]

Answer #

你已经走对方向啦！用header=[0,1,2,3,4,5]读取文件时，pandas其实已经自动把列名转换成MultiIndex类型了——你看到的列表里的元组，正是MultiIndex的标准表现形式，完全不需要额外转换成“数组”，它本身就是为多层级表头查询设计的结构。

下面给你具体的操作指引：

• 先确认列的类型
  执行print(data.columns)，你会看到输出是MultiIndex([('US Banks', 'Main', 'Sectors', 'ALL', 'ALL', 'Modified Duration'), ...], )，这就证明列名已经是MultiIndex了，可以直接用它的查询功能。

• 基于多表头条件查询的示例
  比如你想筛选所有符合前5层条件('US Banks', 'Main', 'Sectors', 'ALL', 'ALL')的列，有两种常用方式：

  1. 逐层级筛选：

     # 筛选匹配所有指定层级条件的列
     mask = (data.columns.get_level_values(0) == 'US Banks') & \
            (data.columns.get_level_values(1) == 'Main') & \
            (data.columns.get_level_values(2) == 'Sectors') & \
            (data.columns.get_level_values(3) == 'ALL') & \
            (data.columns.get_level_values(4) == 'ALL')
     filtered_cols = data.columns[mask]
     filtered_data = data[filtered_cols]
     

  2. 元组+通配符快速匹配：

     # 用slice(None)表示匹配第6层的所有值，相当于通配符
     filtered_data = data.loc[:, ('US Banks', 'Main', 'Sectors', 'ALL', 'ALL', slice(None))]
     

• 如果需要提取某一层为数组
  如果你只是想把某一层的表头单独提取成数组（比如做统计或验证），可以用get_level_values配合to_numpy()：

  # 提取第0层的表头值并转为数组
  level_0_array = data.columns.get_level_values(0).to_numpy()
  

  但这不是使用MultiIndex功能的必要步骤，直接用MultiIndex自带的方法就能完成多条件查询。

简单来说，你看到的“大型列表”其实就是MultiIndex的外在表现，不用做额外转换，直接用data.columns的方法就能轻松实现多表头条件查询啦！

内容的提问来源于stack exchange，提问作者Jason