reset_index()默认将MultiIndex所有层级转为列并重置索引；可指定level参数只展开特定层级；to_frame()仅导出索引结构不改动原数据；set_index()需注意drop和append参数避免嵌套索引。
用 reset_index() 直接展开所有层级
这是最常用、最直观的方式：把 MultiIndex 的所有层级一次性转为普通列。默认行为就是把所有索引层级都“降级”成 DataFrame 的列，原索引被重置为默认整数索引。
注意：reset_index() 不会修改原 DataFrame，返回新对象，记得赋值或加 inplace=True。
- 如果原 MultiIndex 有 3 层（如
['country', 'year', 'quarter']），reset_index()后这三列就出现在 DataFrame 中 - 想保留部分层级作索引？先用
droplevel()或swaplevel()调整结构，再reset_index() - 列名冲突时（比如已有同名列），
reset_index()会自动在列名后加_后缀，例如country_；可用col_level和col_fill控制，但通常直接重命名更清晰
只展开特定层级，用 reset_index(level=...)
当只需要把某一层（或几层）转为列，其余层级仍保留在索引中时，必须显式指定 level 参数。它接受层级名（字符串）、层级序号（整数）或名称/序号列表。
-
df.reset_index(level='year')→ 只把'year'这一层变列，country和quarter还是索引 -
df.reset_index(level=[0, 2])→ 把第 0 层和第 2 层转列，第 1 层保留为索引 - 若指定的 level 不存在，会抛出
KeyError: 'level_name'；用序号更稳妥，但可读性差，建议优先用名称 - 该操作后索引结构改变，后续若再调
set_index()，要注意新旧列名是否已存在
用 droplevel() 和 to_frame() 组合做精细控制
当不想重置整个索引，只是想把某几层“抽出来”作为独立 DataFrame（不带原数据），或者需要中间态处理时，to_frame() 更灵活。它把索引转为 DataFrame，每层对应一列，列名默认是层级名。
立即学习“Python免费学习笔记（深入）”；
-
df.index.to_frame()→ 得到纯索引层级组成的 DataFrame，不含原始数据列 -
df.index.droplevel('quarter').to_frame()→ 先删掉某层，再转 DataFrame，适合预处理 - 和
reset_index()的关键区别：它不碰原始数据列，也不改原 DataFrame 索引，纯粹“导出索引结构” - 若后续要拼回原数据，得用
pd.concat(..., axis=1)或join()，注意对齐逻辑（默认按行位置，不是按索引值）
常见错误：set_index() 误用导致索引嵌套加深
有人想“恢复”多级索引，反复用 set_index(['col1', 'col2'])，结果发现索引变成三级甚至四级——这是因为原 DataFrame 已有索引，set_index() 默认会把旧索引保留为内层，而不是替换。
- 正确做法：先
reset_index(drop=True)清掉旧索引，再set_index(['a', 'b']) - 或者用
set_index(['a', 'b'], drop=True, append=False)，其中append=False是关键（默认是True） - 错误提示如
ValueError: cannot convert index to type float64，常因某列含NaN或类型不一致，set_index()对非唯一/含空值的列较敏感 - MultiIndex 的层级名为空字符串时（
None或''），reset_index()生成的列名会是None，后续操作容易报KeyError，建议提前用df.index.names = ['a', 'b']显式命名
MultiIndex 转列看着简单，真正卡住人的往往是层级名缺失、列名冲突、或误以为 set_index() 是可逆操作。动手前先 print(df.index.names) 和 print(df.columns) 看一眼，比查文档快得多。
