有的伙伴想学用Pandas做多层级索引，但不知道从何学起，难度肯定会有的，还是得掌握方法的！
Pandas库的名字来源于其中3种主要数据结构开头字母的缩写：Panel,Dataframe,Series。其中Series表示一维数据，Dataframe表示二维数据，Panel表示三维数据。当数据高于二维时，一般却不用 Panel 表示，为什么呢？如果不用 Panel，又该怎么做呢？
实际上，当数据高于二维时，我们一般用包含多层级索引的Dataframe进行表示，而不是使用Panel。原因是使用多层级索引展示数据更加直观，操作数据更加灵活，并且可以表示3维，4维乃至任意维度的数据。具体要怎么做呢？下面我们就从多层级索引的创建、取值与操作等内容教大家一些方法！
1、指定多维列表作为columns
2、使用pd.MultiIndex中的方法显式生成多层级索引
可以使用pd.MultiIndex中的from_tuples等方法生成多层级索引。
3、使用set_index方法将普通列转成多层级索引
这种方法只能生成多层级行索引。
4、groupby和pivot_table等方法也可以生成带有多层级索引的结果
多层级索引Series或多层级DataFrame支持方括号直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多层级Series的取值
2、多层级DataFrame的取值
多层级索引相关操作包括stack和unstack,set_index和reset_index，以及指定level的相关方法。
1、stack和unstack
Python学习教程：用Pandas做多层级索引难吗？
2、set_index和reset_index
3、指定level的相关方法
伙伴们那些地方不清楚的可以留言哦！
