如何在 Pandas DataFrame 中指定 MultiIndex 的值

在Pandas的数据处理场景中，MultiIndex（多级索引）可以让DataFrame支持更灵活的分层数据结构，很多时候我们需要手动指定MultiIndex的具体值来满足业务需求，下面介绍几种常见的操作方式。

从零创建DataFrame时直接指定MultiIndex

如果需要在新建DataFrame的时候就设置好MultiIndex，可以通过pd.MultiIndex.from_tuples或者pd.MultiIndex.from_product来生成多级索引对象，再赋值给DataFrame的index参数。

使用from_tuples指定自定义索引元组

当我们已经有明确的多级索引组合时，可以用from_tuples方法，传入包含元组的列表，每个元组对应一行数据的多级索引值。

import pandas as pd
import numpy as np

# 定义两级索引的元组列表，第一级是部门，第二级是员工
index_tuples = [('技术部', '张三'), ('技术部', '李四'), ('产品部', '王五'), ('产品部', '赵六')]
multi_index = pd.MultiIndex.from_tuples(index_tuples, names=['部门', '姓名'])

# 创建带MultiIndex的DataFrame
df = pd.DataFrame(
    data=np.random.randint(80, 100, size=(4, 2)),
    index=multi_index,
    columns=['绩效分', '出勤天数']
)
print(df)

使用from_product生成笛卡尔积索引

如果多级索引的每一层都是独立的取值集合，需要生成所有组合的情况，可以用from_product方法，传入每层索引的取值列表即可。

import pandas as pd
import numpy as np

# 第一层索引：季度，第二层索引：月份
quarters = ['Q1', 'Q2']
months = ['1月', '2月', '3月']

# 生成笛卡尔积形式的多级索引
multi_index = pd.MultiIndex.from_product([quarters, months], names=['季度', '月份'])

# 创建DataFrame
df = pd.DataFrame(
    data=np.random.randint(100, 200, size=(6, 1)),
    index=multi_index,
    columns=['销售额']
)
print(df)

为已有的DataFrame指定MultiIndex

如果已经存在一个普通索引的DataFrame，想要将其转换为带MultiIndex的结构，可以通过set_index方法指定多个列作为索引层级。

import pandas as pd

# 原始DataFrame，包含普通列
data = {
    '省份': ['广东', '广东', '浙江', '浙江'],
    '城市': ['广州', '深圳', '杭州', '宁波'],
    'GDP': [28839, 32388, 18753, 15704]
}
df = pd.DataFrame(data)

# 指定省份和城市两列作为MultiIndex
df_multi = df.set_index(['省份', '城市'])
print(df_multi)

如果需要调整索引层级的顺序，可以给set_index传入append参数，或者后续用reorder_levels方法调整。

import pandas as pd

data = {
    '省份': ['广东', '广东', '浙江', '浙江'],
    '城市': ['广州', '深圳', '杭州', '宁波'],
    'GDP': [28839, 32388, 18753, 15704]
}
df = pd.DataFrame(data)

# 先设置城市为索引，再追加省份为第二级索引
df_multi = df.set_index('城市', append=False).set_index('省份', append=True)
# 调整层级顺序，把省份放到第一层，城市放到第二层
df_multi = df_multi.reorder_levels(['省份', '城市'])
print(df_multi)

修改已有MultiIndex的具体值

如果需要修改已经存在的MultiIndex中某一层级的取值，可以通过set_levels方法或者直接操作索引的levels属性实现。

import pandas as pd
import numpy as np

# 先创建一个带MultiIndex的DataFrame
index_tuples = [('A', 'a'), ('A', 'b'), ('B', 'a'), ('B', 'b')]
multi_index = pd.MultiIndex.from_tuples(index_tuples, names=['大类', '小类'])
df = pd.DataFrame(np.random.randn(4, 1), index=multi_index, columns=['数值'])

# 修改第一层索引的取值，把A改成类别1，B改成类别2
df.index = df.index.set_levels(['类别1', '类别2'], level=0)
print(df)

# 也可以修改某一层级的单个值，比如把小类的a改成x
new_levels = df.index.levels[1].tolist()
new_levels[new_levels.index('a')] = 'x'
df.index = df.index.set_levels(new_levels, level=1)
print(df)

注意事项

• 指定MultiIndex时，索引的长度必须和DataFrame的行数完全匹配，否则会抛出维度不匹配的错误。
• 使用set_index方法时，被指定为索引的列会从DataFrame的列中移除，如果需要保留原列，可以设置drop=False参数。
• 修改MultiIndex的层级值时，新的值需要和原层级的类型兼容，比如原层级是字符串类型，不要传入数值类型的值，避免出现类型错误。

PandasDataFrameMultiIndex数据索引修改时间：2026-07-07 19:00:24