如何获取裁剪后MultiIndex DataFrame的第二层索引名称？

当然可以获取到第二层索引的具体值，完全不需要预先知晓！因为你用drop_level=False保留了原MultiIndex结构，df2的索引仍然是两层的，我们可以直接通过索引对象的方法提取第二层的内容：

方法1：提取第二层所有索引值（包含重复项，若存在） #

使用get_level_values()方法，指定第二层的层级序号（第一层是level 0，第二层是level 1）：

# 获取第二层的所有索引值
second_level_vals = df2.index.get_level_values(1)
print(second_level_vals)
# 输出类似：Int64Index([1, 2], dtype='int64', name='level_1')

方法2：提取第二层的唯一索引值 #

如果只需要去重后的索引值，加上unique()方法并转成列表更方便后续使用：

unique_second_level = df2.index.get_level_values(1).unique().tolist()
print(unique_second_level)  # 输出 [1, 2]

如何用这些值进行loc调用？ #

拿到索引值后，就可以直接代入loc语法，比如遍历所有第二层索引对应的行：

for val in unique_second_level:
    target_row = df2.loc[('Open', val), :]
    # 这里可以对目标行做处理，比如打印或计算
    print(f"索引为('Open', {val})的行：\n{target_row}\n")

或者直接访问特定索引值对应的行：

# 访问第二层第一个索引值对应的行
first_target_row = df2.loc[('Open', unique_second_level[0]), :]

另外，你也可以通过df2.index.levels[1]直接获取第二层索引的唯一值集合，效果和unique()方法一致：

print(df2.index.levels[1])  # 输出 Int64Index([1, 2], dtype='int64')

这样不管第二层索引是什么值，都能动态获取到，不用提前硬编码啦！

内容的提问来源于stack exchange，提问作者Eypros