例如，我有：
In [1]: df = pd.DataFrame([8, 9],
index=pd.MultiIndex.from_tuples([(1, 1, 1),
(1, 3, 2)]),
columns=['A'])
In [2] df
Out[2]:
A
1 1 1 8
3 2 9
有没有比这更好的方法从索引中删除最后一个级别：
In [3]: pd.DataFrame(df.values,
index=df.index.droplevel(2),
columns=df.columns)
Out[3]:
A
1 1 8
3 9
df.reset_index(level=2, drop=True)
Out[29]:
A
1 1 8
3 9
您无需创建新的 DataFrame 实例！您可以修改索引：
df.index = df.index.droplevel(2)
df
A
1 1 8
3 9
您还可以指定负索引，以便从末尾选择：
df.index = df.index.droplevel(-1)
如果您的索引具有类似的名称
A
X Y Z
1 1 1 8
3 2 9
然后你也可以通过指定索引名称来移除
df.index = df.index.droplevel(Z)
从 0.24+ 开始，我们可以直接droplevel在df. 因此，要删除索引的最后一级：
>>> df
col
1 5 1 4 foo
3 2 8 bar
2 4 3 7 saz
# `axis` defaults to `index` or equivalently 0
>>> df.droplevel(-1, axis="index")
col
1 5 1 foo
3 2 bar
2 4 3 saz
水平下降的轴也可以通过axis参数控制，默认为0，即超过索引。可以通过提供列表一次删除多个级别，如果任何索引有名称，也可以使用这些名称（如链接文档中所示）。
注意：参数 todroplevel被尝试首先解释为标签；因此，如果任何级别碰巧有一个整数名称，它将被删除，即，不是位置：
>>> df
col
this -1 other 0
1 5 1 4 foo
3 2 8 bar
2 4 3 7 saz
# literally drops `-1` level
>>> df.droplevel(-1)
col
this other 0
1 1 4 foo
2 8 bar
2 3 7 saz
# literally level `0` is dropped
>>> df.droplevel(0)
col
this -1 other
1 5 1 foo
3 2 bar
2 4 3 saz
为了确保发生位置下降，我们可以names选择属性并在那里选择位置：
>>> df
col
this -1 other 0
1 5 1 4 foo
3 2 8 bar
2 4 3 7 saz
# go get the name of the last level, drop whatever it is
>>> df.droplevel(df.index.names[-1])
col
this -1 other
1 5 1 foo
3 2 bar
2 4 3 saz
# similarly...
>>> df.droplevel(df.index.names[0])
col
-1 other 0
5 1 4 foo
3 2 8 bar
4 3 7 saz
最后，droplevel返回一个新的数据框，因此df = df.droplevel(...)需要查看df.