为何无法直接用层级名称访问MultiIndex DataFrame？

这是个很常见的疑惑，核心原因是Pandas里[]（方括号）和.loc的设计逻辑完全不同——哪怕是面对MultiIndex，这个规则也不会变。

先搞清楚核心区别： #

• df[]（方括号）：对于DataFrame来说，这个操作符的默认行为是访问列，而不是行索引。你的DataFrame只有一列（列名是0），所以当你写df['ms0']时，Pandas会去列名里找ms0，自然找不到就抛出KeyError了。
• .loc[]：这是Pandas专门设计的行标签访问器，支持单索引、MultiIndex的标签匹配，甚至可以跨层级的部分匹配（比如你只给第一层索引'ms0'，它会自动匹配该层级下的所有行）。

为什么文档里有df['bar']的例子？ #

你看到的官方文档示例，大概率是以下两种情况之一：

1. 示例用的是Series而非DataFrame：如果是Series（比如你的DataFrame用df.squeeze()转成单值Series），那[]操作符就会直接访问行索引，这时候series['ms0']就完全没问题。
2. 示例的MultiIndex是在列上而非行上：如果列是MultiIndex，那df['bar']会访问列的第一层索引bar对应的所有列，这时候看起来像是和行索引访问一样，但本质还是列操作。

给你的几种替代方案 #

除了已经在用的.loc['ms0']，你还可以用这些方法实现类似"直接访问"的效果：

1. 转成Series：

   s_df = df.squeeze()  # 把单列DataFrame转成Series
   print(s_df['ms0'])
   

   输出会和你用.loc['ms0']的结果一致。

2. 用xs()方法专门处理MultiIndex：
   xs()（cross-section）是Pandas为MultiIndex量身定做的方法，可以直接指定层级访问：

   print(df.xs('ms0', level='extension'))
   

   这个方法还支持更灵活的层级选择，比如指定第二层索引df.xs('supply', level='nodes')。

3. 如果确实想用方括号访问行：
   可以把行索引的第一层转成列，不过这会改变数据结构，适合特定场景：

   df_reset = df.reset_index(level='extension')
   print(df_reset[df_reset['extension'] == 'ms0'])
   

总结 #

记住这个核心规则：DataFrame的方括号优先操作列，行索引访问用.loc、.iloc或者专门的MultiIndex方法。你的代码里.loc['ms0']是完全正确的用法，而df['ms0']不符合DataFrame的设计逻辑，所以报错是正常的。

内容的提问来源于stack exchange，提问作者jmannnh