multiindex适用于分组聚合后带层级结构或需多维联合筛选的场景，如groupby(['region','category']).sum()或读取嵌套列名excel；误用会导致索引操作不可预测。
多级索引不是“必须用”的功能，而是当你面对分组聚合后带层级结构的数据、或需要按多个维度联合筛选时，MultiIndex 才真正省力。盲目套用反而会让 loc、iloc 行为变难预测。
什么时候该用 MultiIndex？
典型场景是：你调用了 groupby(['region', 'category']).sum()，结果自动产生两层索引；或者读取 Excel 时列名本身就有合并单元格（如年份+季度嵌套），pd.read_excel(..., header=[0,1]) 会直接生成 MultiIndex 列。
容易踩的坑：
- 误以为
df['A']还能像单层索引那样直接取列——如果列是MultiIndex，必须用df[('A', 'sub1')]或df.xs('A', level=0, axis=1) - 对
reset_index()的默认行为没意识：它会把所有层级索引转成普通列，但若只想要某一层“降级”，得加level参数，比如df.reset_index(level='category')
如何安全地选择 MultiIndex 中的子集？
xs（cross-section）是最常用也最易出错的操作。它本质是“固定某些层级，返回其余维度的切片”，但必须明确指定 level 和 axis。
示例：假设行索引是 (year, month)，你想取 2023 年所有数据：
df.xs(2023, level='year', axis=0)
注意点：
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
- 如果
level名字写错（比如写成'Year'而实际是'year'），会报KeyError: 'Level Year not found' -
xs默认不保留被切掉的层级，若想保留空壳结构，加drop_level=False - 想同时固定两个层级？
xs不支持，得用query或布尔索引：df.query("year == 2023 and month in ['Jan', 'Feb']")
如何避免 stack/unstack 搞乱数据形状？
stack 把列层级压进行索引，unstack 反之。它们常用于“宽表 ↔ 长表”转换，但极易因层级顺序或缺失值导致维度爆炸或 NaN 泛滥。
关键控制点：
-
unstack默认展开最内层列（level=-1），若要展开特定层，显式传level=0或level='category' - 如果目标层级存在重复组合（比如同一
(region, category)出现多次），unstack会报ValueError: Index contains duplicate entries，得先groupby聚合再操作 -
stack后若发现新索引层级名是None，说明原列没有命名，建议提前用columns.rename(['dim1', 'dim2'])显式设名
为什么 set_index(['a','b']) 后 df.loc[a_val] 有时失效？
loc 对 MultiIndex 的行为取决于你传入的是标量还是元组：
-
df.loc['NY']→ 只匹配第一层索引，等价于df.xs('NY', level=0) -
df.loc[('NY', 'Q1')]→ 精确匹配完整层级，要求元组长度等于索引层数 - 若只传一个值但索引有两层，Pandas 会尝试“前缀匹配”，但遇到歧义（比如第一层有
'NY'，第二层也有'NY'）就抛KeyError
更稳妥的做法是：不确定层级时，优先用 xs 或 query；确定要按完整路径取值时，务必传元组，并确认顺序与 df.index.names 一致。
多级索引真正的复杂点不在创建，而在后续所有索引操作都得额外声明“作用在哪个层级”。哪怕只是加一列计算，df['new'] = df['val1'] / df['val2'] 都可能因对齐失败而产生大量 NaN——因为 Pandas 默认按完整索引对齐，而非仅按某一层。
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！
