为什么在具有一级索引的 MultiIndex 列的 pandas DataFrame 中表现不同？

Question

使用此处pandas找到的文档中的示例，以下索引完美运行，结果为：pd.Seriesimport pandas as pdtuples = [(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')]但是如果我稍微改变一下代码，去掉一层，同样的索引就不起作用了：import pandas as pdtuples = [(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 hereIndexError: tuple index out of range此外，将其索引为asdf.loc[:, 1]throws a TypeError，更进一步，将其索引为asdf.loc[:, ((1,),)]works ，但结果是 a pd.DataFrame，而不是pd.Series!为什么会这样？非常感谢您！PS：我有兴趣从这些问题中“抽象”我的代码（一个级别与一个级别中的多个级别pd.DataFrame.columns）。在我工作的公司中，有时我们会获得需要多个级别的客户数据，但有时只需要一个级别。

Answer 1

你有更新你的熊猫版本吗？在 中pandas v1.1.0，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