http://s9/mw690/005uQhfvzy7jbNfQdwk78&690

level默认原df的index移除，可以自定义，drop如果为true原index就会被移除，inplace是保存，col_level是对多层目录进行插入，简单说就是把指定的目录改为列，col_fill就是把空白的列重命名，看个例子，将要修改的df如下

http://s10/mw690/005uQhfvzy7jbNrbKela9&690

df.reset_index(drop=True)的话原来的index将会被新的index取代，现在通过multipindex修改一下目录，index增加一个cat子目录，columns也增加多一层，如果需要对index的level1进行提取就写成:df.index.levels[1],   修改后如下

http://s12/mw690/005uQhfvzy7jbNCrUz90b&690

现在index和columns各有两层，然后通过reset_index修改一下，把cat改为columns然后定义在level1，由于level0空白重命名为'letter'，修改后如下

http://s15/mw690/005uQhfvzy7jbNKkzJsee&690

现在原来的index第二层变为columns，目录相应增加了level0为letter，看看源码

http://s2/mw690/005uQhfvzy7jbNNOuLDa1&690

由于groupby这个函数不能对index进行组合，所以可以通过reset_index()把index变成columns后在进行groupby的计算，例如df.reset_index().groupby(['state','status']).sum()

如果写成df=df.reset_index().groupby(['state','date']).sum() 可以通过df.loc['FL']['2009':'2010']按年份提取