数据透视DataFrame后如何避免ValueError: Names should be list-like for a MultiIndex错误？

嘿，我来帮你搞定这个报错！先拆解下你的代码问题：

你的原代码如下：

import pandas as pd 
import numpy as np 
df = pd.DataFrame({'foo': ['one', 'one', 'one'], 'baz': [1, 2, 3], 'zoo': ['x', 'y', 'z']}) 
df1 = df.pivot('baz', 'zoo', 'foo') 
column = (1, 2) 
df1[column] = np.nan

错误原因 #

执行df.pivot('baz', 'zoo', 'foo')后，df1的行索引是baz的取值（1、2、3），列是zoo的取值（x、y、z），列索引是单级结构，并非MultiIndex。但你用元组(1,2)作为索引器访问列时，pandas会默认认为你要操作MultiIndex类型的列，因此抛出了Names should be list-like for a MultiIndex的错误。

针对不同需求的解决方法 #

需求1：给行索引为1和2的所有列赋值为np.nan

如果你是想修改行数据，要用.loc定位行，并且用列表包裹行索引（不要用元组）：

import pandas as pd 
import numpy as np 
df = pd.DataFrame({'foo': ['one', 'one', 'one'], 'baz': [1, 2, 3], 'zoo': ['x', 'y', 'z']}) 
df1 = df.pivot('baz', 'zoo', 'foo') 
# 选择行索引1和2，给所有列赋值为nan
df1.loc[[1, 2], :] = np.nan

需求2：给指定列（比如x和y列）赋值为np.nan

如果你是想修改列数据，要使用正确的列名，同样用列表包裹列名：

import pandas as pd 
import numpy as np 
df = pd.DataFrame({'foo': ['one', 'one', 'one'], 'baz': [1, 2, 3], 'zoo': ['x', 'y', 'z']}) 
df1 = df.pivot('baz', 'zoo', 'foo') 
# 选择x和y列赋值为nan
df1[['x', 'y']] = np.nan

额外说明：如果真的遇到MultiIndex列的情况

如果你的DataFrame列是MultiIndex类型，访问多列时需要用列表包裹元组，比如：

# 示例：列是MultiIndex的场景
multi_col_df = pd.DataFrame(
    data=[[1,2,3,4]],
    columns=pd.MultiIndex.from_tuples([('A', 'x'), ('A', 'y'), ('B', 'x'), ('B', 'y')])
)
# 选择('A','x')和('B','y')列赋值
multi_col_df[[('A', 'x'), ('B', 'y')]] = np.nan

内容的提问来源于stack exchange，提问作者dmitri