最稳妥创建multiindex用pd.multiindex.from_tuples()或from_arrays()并显式指定names，避免set_index()自动推断导致层级错位；切片需用slice(none)占位未指定层级；groupby后用reset_index()还原为普通列。
如何创建 MultiIndex 并避免层级错位
直接用 pd.MultiIndex.from_tuples() 或 pd.MultiIndex.from_arrays() 最稳妥，别依赖 set_index() 自动推断——它容易把列顺序和层级逻辑搞混。比如你有两列 ['region', 'year']，但想让 year 成为内层索引，就必须显式传入 names=['region', 'year']，否则 pandas 可能按字典序重排层级名。
-
pd.MultiIndex.from_tuples([('A', 2020), ('A', 2021), ('B', 2020)], names=['region', 'year'])—— 顺序即层级顺序 - 用
pd.MultiIndex.from_arrays([regions, years], names=['region', 'year'])时，确保两个数组长度一致且对应位置语义匹配 - 如果从 DataFrame 创建，优先写明
df.set_index(['region', 'year'], drop=True)，而不是只传单个列名
用 .xs() 和 .loc[] 切片时为什么总报 KeyError
根本原因是 MultiIndex 的切片规则比普通索引严格：未指定的层级必须用 slice(None)（即 :）占位，不能留空或传 None。比如对三层索引 ['country', 'region', 'year']，取所有 'US' 下的数据，得写 df.xs('US', level='country')；若用 .loc，则必须写成 df.loc[('US', slice(None), slice(None)), :]。
-
.xs()适合提取某一层级的完整子集，返回降维后的 DataFrame/Series -
.loc[('A', 2020), :]只匹配精确元组，.loc[('A', :), :]是非法语法，必须写.loc[('A', slice(None)), :] - 层级名含空格或特殊字符时，
level参数必须用字符串，不能用数字索引，否则可能错位
groupby 后自动产生 MultiIndex，怎么快速还原为普通列
groupby 默认把分组键塞进索引，不是 bug 是设计。想立刻变回普通列，最直接是链式调用 .reset_index()；但如果 groupby 后还做了聚合（如 .sum()），要注意 reset_index() 是否带 drop=False —— 默认是 True，会丢掉原索引名，而你可能需要保留层级名作为列名。
-
df.groupby(['region', 'year'])['sales'].sum().reset_index(name='total_sales')—— 推荐写法，明确新列名 - 如果已有 MultiIndex DataFrame 想“展平”列名，用
df.columns = ['_'.join(col).strip() for col in df.columns.values]，但先确认df.columns确实是MultiIndex - 用
unstack()转列时，注意默认会把最内层索引转为列，要控制哪层转，得传level=0或level='year'
sort_index() 不生效？其实是没设对 ascending 参数
MultiIndex 的排序是逐层生效的，ascending=True 默认只作用于第一层。如果你希望外层升序、内层降序，必须传列表： df.sort_index(ascending=[True, False])。更隐蔽的问题是，如果某层含混合类型（比如 string + NaN），pandas 8.0+ 会直接抛 TypeError: '，而非静默失败。
- 排序前先检查各层 dtype：
df.index.get_level_values(0).dtype - 含缺失值时，先用
df = df.dropna(subset=['col_name'])或df.fillna({'region': 'Unknown'})清理再排序 - 对大表慎用
sort_index()，它不改变底层数据顺序，但后续.loc查找会变快；若只是临时取数，用布尔索引可能更快
MultiIndex 真正难的不是语法，而是每次操作后索引结构是否符合预期——建议每步之后都敲 df.index 和 df.index.names 看一眼，比查文档省时间。
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！
