Python 为什么在具有一级索引的多索引列的数据帧中，行为会有所不同？

使用找到的

pandas

文档中的示例，以下索引工作正常，结果是

pd.Series

：

import pandas as pd
tuples = [(1, 'red'), (1, 'blue'),
          (2, 'red'), (2, 'blue')]
columns = pd.MultiIndex.from_tuples(tuples, names=('number', 'color'))
asdf = pd.DataFrame(columns=columns, index=[0, 1])
asdf.loc[:, (1, 'red')]

但是，如果我稍微更改代码，去掉一个级别，相同的索引将不起作用：

import pandas as pd
tuples = [(1,), (2,)]
columns = pd.MultiIndex.from_tuples(tuples, names=['number'])
asdf = pd.DataFrame(columns=columns, index=[0, 1])
asdf.loc[:, (1,)]

IndexError                                Traceback (most recent call last)
<ipython-input-43-d55399a979fa> in <module>
----> 1 asdf.loc[:, (1,)]

/opt/conda/lib/python3.8/site-packages/pandas/core/indexing.py in __getitem__(self, key)
   1760                 except (KeyError, IndexError, AttributeError):
   1761                     pass
-> 1762             return self._getitem_tuple(key)
   1763         else:
   1764             # we by definition only have the 0th axis

/opt/conda/lib/python3.8/site-packages/pandas/core/indexing.py in _getitem_tuple(self, tup)
   1270     def _getitem_tuple(self, tup: Tuple):
   1271         try:
-> 1272             return self._getitem_lowerdim(tup)
   1273         except IndexingError:
   1274             pass

/opt/conda/lib/python3.8/site-packages/pandas/core/indexing.py in _getitem_lowerdim(self, tup)
   1371         # we may have a nested tuples indexer here
   1372         if self._is_nested_tuple_indexer(tup):
-> 1373             return self._getitem_nested_tuple(tup)
   1374 
   1375         # we maybe be using a tuple to represent multiple dimensions here

/opt/conda/lib/python3.8/site-packages/pandas/core/indexing.py in _getitem_nested_tuple(self, tup)
   1451 
   1452             current_ndim = obj.ndim
-> 1453             obj = getattr(obj, self.name)._getitem_axis(key, axis=axis)
   1454             axis += 1
   1455 

/opt/conda/lib/python3.8/site-packages/pandas/core/indexing.py in _getitem_axis(self, key, axis)
   1963         # fall thru to straight lookup
   1964         self._validate_key(key, axis)
-> 1965         return self._get_label(key, axis=axis)
   1966 
   1967 

/opt/conda/lib/python3.8/site-packages/pandas/core/indexing.py in _get_label(self, label, axis)
    620             # see GH5667
    621             return self.obj._xs(label, axis=axis)
--> 622         elif isinstance(label, tuple) and isinstance(label[axis], slice):
    623             raise IndexingError("no slices here, handle elsewhere")
    624 

IndexError: tuple index out of range

将熊猫作为pd导入
元组=[（1，），（2，）]
columns=pd.MultiIndex.from_元组（元组，名称=['number']）
asdf=pd.DataFrame（列=列，索引=[0,1]）
asdf.loc[：，（1，）]
索引器回溯（最后一次最近调用）
在里面
---->1 asdf.loc[：，（1，）]
/opt/conda/lib/python3.8/site-packages/pandas/core/index.py in_u__获取项目（self，key）
1760除外（KeyError、Indexer、AttributeError）：
1761通行证
->1762返回self.\u getitem\u元组（键）
1763其他：
1764#根据定义，我们只有第0轴
/opt/conda/lib/python3.8/site-packages/pandas/core/index.py in_getitem_tuple（self，tup）
1270 def_getitem_元组（self，tup:tuple）：
1271尝试：
->1272返回自我。\u getitem\u lowerdim（tup）
1273除索引错误外：
1274通行证
/opt/conda/lib/python3.8/site-packages/pandas/core/index.py in_getitem_lowerdim（self，tup）
1371#这里可能有一个嵌套的元组索引器
1372如果self.\u是嵌套的元组索引器（tup）：
->1373返回self.\u getitem\u嵌套\u元组（tup）
1374
1375#我们可能在这里使用元组来表示多个维度
/opt/conda/lib/python3.8/site-packages/pandas/core/index.py in_getitem_nested_tuple（self，tup）
1451
1452电流_ndim=obj.ndim
->1453 obj=getattr（obj，self.name）。\u getitem\u轴（键，轴=轴）
1454轴+=1
1455
/轴中的opt/conda/lib/python3.8/site-packages/pandas/core/index.py（self、key、axis）
1963年#直接查找
1964自我验证键（键，轴）
->1965返回自我。获取标签（键，轴=轴）
1966
1967
/标签中的opt/conda/lib/python3.8/site-packages/pandas/core/index.py（self、label、axis）
620#见GH5667
621返回自身对象（标签，轴=轴）
-->622 elif isinstance（标签，元组）和isinstance（标签[轴]，切片）：
623 raise INDESINGERROR（“此处无切片，别处处理”）
624
索引器错误：元组索引超出范围

此外，将其索引为

asdf.loc[：，1]

会引发

类型错误

，而且，将其索引为

asdf.loc[：，（（1，），）]

会起作用，但结果是

pd.DataFrame

，而不是

pd.Series

为什么会发生这种情况？提前非常感谢

---

备注：我对从这些问题中“抽象”我的代码感兴趣（在

pd.DataFrame.columns

中一个级别与多个级别）。在我工作的公司，有时我们需要多个级别的客户数据，但有时只需要一个级别。

您是否更新了pandas的版本？在pandas v1.1.0中，您可以像以前一样使用一个级别进行索引，切片返回一个

pd.Series

import pandas as pd
tuples = [(1,), (2,)]
columns = pd.MultiIndex.from_tuples(tuples, names=['number'])
asdf = pd.DataFrame(columns=columns, index=[0, 1])
asdf.loc[:, (1,)]

输出：

0    NaN
1    NaN

---

我不知道

ng.

是什么。。。。如果我删除

ng.

@RobRaymond抱歉，这是一个遗留代码，那么这两种代码对我来说都是一样的。我刚刚编辑了我的问题。谢谢

asdf.loc[：，（1，）]

在1.1版中对我很好。0@RichieV是的，很好用！我将不得不更新熊猫，我目前的版本是

v1.0.3

。这个！这就是我一直在寻找的！谢谢是的，我应该更新

pandas

，我当前的版本是

v1.0.3

。