droplevel对多级列名无效是因为columns是MultiIndex且不支持原地修改，必须显式赋值df.columns = df.columns.droplevel(0)；若报AttributeError说明columns非MultiIndex；level可传整数或层名，重复列名会被自动加后缀。
droplevel 为什么对多级列名没反应？
直接对 DataFrame.columns 调用 droplevel() 会报错或静默失败，因为 columns 是 MultiIndex 对象，它本身不支持原地修改，必须重新赋值。常见错误是写成 df.columns.droplevel(0) 却没接回 df.columns = ...，结果什么都没变。
正确做法是显式替换列索引：
df.columns = df.columns.droplevel(0)
如果要删掉第 1 层（即最内层），就用 droplevel(1)；若有多层（比如 3 层），可传入整数、层名或层名列表，例如 droplevel([0, 2])。
drop_level(0) 报 AttributeError 怎么办？
典型错误信息：AttributeError: 'Index' object has no attribute 'droplevel'。这说明当前 df.columns 并不是 MultiIndex，而只是普通 Index —— 比如你刚用 reset_index() 或 unstack() 后又做了某些操作，意外压平了列名。
检查方法：
print(type(df.columns)) # 应该是 pandas.core.indexes.multi.MultiIndex
如果不是，就不用 droplevel；如果是但报错，大概率是拼错了函数名（注意是 droplevel，不是 drop_level 或 droplevels）。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
想删某一层但保留其他层结构，怎么选 level 参数？
level 参数接受整数（从外到内编号为 0, 1, 2…）或字符串（如果各层有名字，比如 df.columns.names == ['group', 'metric']）。实际中更推荐用名字，避免层级变动时出错：
df.columns.droplevel('group')df.columns.droplevel(['group', 'metric'])
注意：如果某层含重复标签（比如多个列都叫 'value'），删掉外层后可能引发列名冲突，pandas 会自动加后缀 .1, .2 —— 这不是 bug，是保护机制，但会影响后续 df['value'] 访问，建议提前用 df.columns.map('_'.join) 手动合并。
droplevel 后列顺序乱了，还能恢复吗？
droplevel 本身不改变列顺序，但如果你紧接着做了 df[...] 索引或 reindex，就可能打乱。真正容易被忽略的是：降维后列名变成单层 Index，原先靠多级定位的逻辑（比如 df.xs(..., axis=1)）会失效，必须改用普通列名访问。
如果原始列结构复杂，又不确定哪层该删，先备份列名再操作：
orig_cols = df.columns.copy()
降维不是“压缩”，而是丢弃维度；一旦执行，无法靠 droplevel 逆向还原——得靠备份或原始数据源。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
