pandas提供了set_index方法可以将DataFrame的列（多列）变成行索引，通过reset_index方法可以将层次化索引的级别会被转移到列里面。
1、DataFrame的set_index方法
data = pd.DataFrame(np.arange(,).reshape(,),index=["a","b","c"],columns=["A","B","C"])
print(data)
'''
A B C
a
b
c
'''
#将列索引为B的列变成data的行索引
print(data.set_index("B"))
'''
A C
B
'''
#获取行索引
print(data.set_index("B").index)
#Int64Index([, , ], dtype='int64', name='B')
#获取列索引
print(data.set_index("B").columns)
#Index(['A', 'C'], dtype='object')
#将列索引为A和C的列变成行索引，层次化索引
print(data.set_index(["A","C"]))
'''
B
A C
'''
2、DataFrame的reset_index方法
data = pd.DataFrame(np.arange(,).reshape(,),index=["a","b","c"],columns=["A","B","C"])
print(data)
'''
A B C
a
b
c
'''
print(data.set_index(["C"]))
'''
A B
C
'''
#相对于data来说行索引从原来的a、b、c变成了0、、
#在使用set_index方法的时候行索引就已经被修改了
print(data.set_index(["C"]).reset_index())
'''
C A B
'''
print(data.index)
#Index(['a', 'b', 'c'], dtype='object')
print(data.set_index(["C"]).reset_index().index)
#RangeIndex(start=, stop=, step=)
print(data.set_index(["C"]).reset_index().columns)
#Index(['C', 'A', 'B'], dtype='object')
参考：https://blog.****.net/sinat_29957455/article/details/79038658