Python 如何重新索引数据帧的多索引列？

我有一个熊猫

DataFrame

，列上有

multi-index

（假设有3个级别）：

当我通过第一级并产生

数据帧的子集时：

def cluster(df):
    for key in df.columns.levels[0]:
        yield df[key]

for subdf in cluster(df):
    print(subdf.columns)

列索引确实丢失了它的第一级，但是
多索引
仍然包含对子级中所有其他键的引用，即使它们在子集中丢失

MultiIndex(levels=[['41B004', '41B005', '41B006', '41B008', '41B011', '41MEU1', '41N043', '41R001', '41R002', '41R012', '41WOL1', '41WOL2', 'T1M001', 'T1M003', 'T1M011'], [25, 26, 27, 28, 30, 31, 32, 3, ....
           labels=[[4, 5, 6, 7, 9, 10], [24, 33, 47, 61, 83, 98]],
           names=['sitekey', 'channelid'])

如何强制subdf的列多索引只使用存在的键进行更新？
df.reset_index（）
？这似乎不起作用
def cluster(df):
    for key in df.columns.levels[0]:
        d = df[key]
        d.columns = pd.MultiIndex.from_tuples(d.columns.to_series())
        yield d

def cluster(df):
    for key in df.columns.levels[0]:
        d = df[key]
        d.columns = pd.MultiIndex.from_tuples(d.columns.to_series())
        yield d