在 Pandas 中，多个级别的索引可以用来表示数据的多个维度，但是在某些情况下，我们可能需要将多级索引转换为单级索引。本文将介绍如何在 Pandas 中从多级索引恢复为单级索引的数据帧。

创建多级索引数据帧

首先，我们来创建一个多级索引数据帧：

import pandas as pd

arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
          ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
index = pd.MultiIndex.from_arrays(arrays, names=('first', 'second'))
df = pd.DataFrame({'A': [1, 2, 3, 4, 5, 6, 7, 8], 'B': [10, 20, 30, 40, 50, 60, 70, 80]}, index=index)

print(df)

输出结果为：

             A   B
first second      
bar   one     1  10
      two     2  20
baz   one     3  30
      two     4  40
foo   one     5  50
      two     6  60
qux   one     7  70
      two     8  80

我们可以看到，该数据帧有两个级别的行索引，分别是 first 和 second。

恢复为单级索引数据帧

要将多级索引数据帧恢复为单级索引数据帧，我们可以使用 reset_index() 方法，该方法会将所有级别的索引转换为列名，然后添加一个默认的整数索引。例如：

df_reset = df.reset_index()

print(df_reset)

输出结果为：

  first second  A   B
0   bar    one  1  10
1   bar    two  2  20
2   baz    one  3  30
3   baz    two  4  40
4   foo    one  5  50
5   foo    two  6  60
6   qux    one  7  70
7   qux    two  8  80

可以看到，reset_index() 方法将 first 和 second 两个级别的索引转换为了列名，并添加了默认的整数索引。

如果我们只想移除部分级别的索引，可以使用 droplevel() 方法。例如，如果我们想移除 second 索引级别，可以这样做：

df_dropped = df_reset.droplevel(level=1, axis=1)

print(df_dropped)

输出结果为：

  first  A   B
0   bar  1  10
1   bar  2  20
2   baz  3  30
3   baz  4  40
4   foo  5  50
5   foo  6  60
6   qux  7  70
7   qux  8  80

在本例中，我们使用 droplevel() 方法移除了 second 索引级别，并使用 axis=1 参数指定移除列索引。移除行索引的方式与之类似，只需要将 axis=1 改为 axis=0 即可。

结论

通过本文的介绍，我们可以学会如何在 Pandas 中从多级索引数据帧恢复为单级索引数据帧。这种转换在某些情况下非常有用，可以让我们更方便地进行数据操作和分析。