import pandas as pd
import numpy as np

# 新建df資料
df = pd.DataFrame(np.random.randint(50, 100, size=(4, 4)),
                 columns=pd.MultiIndex.from_product(
                 [['math', 'physics'], ['term1', 'term2']]),
                 index=pd.MultiIndex.from_tuples(
                 [('class1', 'LiLei'), ('class2', 'HanMeiMei'),
                 ('class2', 'LiLei'), ('class2', 'HanMeiMei')]))
df.index.names = ['class', 'name']
# >>輸出df:
 

行索引取值

# 取外層索引為'class1'的資料
df.loc['class1']

# 同時根據多個索引篩選取值，法一：
df.loc[('class2', 'HanMeiMei')]

# 同時根據多個索引篩選取值，法二：
df.loc['class2'].loc['HanMeiMei']

# 取內層索引：
# 先交換內外層索引位置
df.swaplevel()
# 輸出：
			math	                        physics
			term1	        term2	        term1	      term2
name		class				
LiLei		class1	81		81		77		91
HanMeiMei	class2	82		83		84		79
LiLei		class2	78		50		81		64
HanMeiMei	class2	59		94		89		52

# 再通過取外層索引的方法取值
df.swaplevel().loc['HanMeiMei']
 

列索引取值

df資料：

# 外層列索引：
df['math']

# 根據多層索引聯合取值：
# 以下4句程式碼等效：
df['math','term2']
df.loc[:, ('math','term1')]
df['math']['term2']
df[('math','term1')]

# 與行索引類似，取內層索引先交換軸
df.swaplevel(axis=1)

df.swaplevel(axis=1)['term1']