多级索引DataFrame的列访问及相邻新列添加问题

嘿，我来帮你捋清楚这个问题～首先你代码里的函数应用写法有问题，然后再解决插入相邻列的需求，一步步来：

1. 先搞定函数应用的正确姿势 #

你写的df.apply(lambda x: newfunc(x) for x in df['Class'])其实是把一个生成器传给了apply，这完全不是正确的用法。我们要处理的是Class列的每个元素，直接对这个列（也就是Series对象）调用apply就好，不管你的行是不是多级索引，这个操作都能正常工作——因为df['Class']会返回对应列的Series，每个元素都会被newfunc逐个处理：

# 先计算新列的所有值
new_col_values = df['Class'].apply(newfunc)

2. 把新列插入到Class的相邻位置 #

要把新列放在Class右边，我们需要先找到Class列在DataFrame中的位置索引，然后用df.insert方法插入到该位置的下一位：

# 获取Class列的位置
class_col_position = df.columns.get_loc('Class')
# 插入新列到Class的右侧
df.insert(class_col_position + 1, 'newcol', new_col_values)

如果你的DataFrame的列是多级索引（比如Class是某个层级的子列），那你需要传入完整的列标签来获取位置，比如假设列的层级是['Group', 'Category', 'Class']，那得写成：

class_col_position = df.columns.get_loc(('GroupA', 'Cat1', 'Class'))

给你个完整的示例参考 #

我构造了一个带行多级索引的DataFrame，演示整个流程：

import pandas as pd

# 构造示例数据：行是三级索引
index = pd.MultiIndex.from_tuples(
    [('A', 'X', 1), ('A', 'X', 2), ('B', 'Y', 3)],
    names=['Level1', 'Level2', 'Level3']
)
df = pd.DataFrame(
    {'Class': ['Alpha', 'Beta', 'Gamma'], 'Value': [10, 20, 30]},
    index=index
)

# 示例函数：把Class的字符串转为大写
def newfunc(s):
    return s.upper()

# 步骤1：生成新列值
new_vals = df['Class'].apply(newfunc)
# 步骤2：获取Class列位置并插入新列
class_pos = df.columns.get_loc('Class')
df.insert(class_pos + 1, 'UpperClass', new_vals)

运行后你会看到，UpperClass列正好在Class列的右边，而且多级索引的行也完全对应上了，不会乱序。

关键点总结 #

• 对单列元素处理，用Series.apply()就够了，DataFrame.apply()更多用于跨列/跨行的整体操作
• df.columns.get_loc()能精准定位列的位置，搭配df.insert()就能实现插入相邻列的需求
• 行多级索引不会影响单列的apply操作，Series会自动保留原索引，保证元素对应关系正确

备注：内容来源于stack exchange，提问作者Graham G