假设您有以下数据框：
import pandas as pd
import numpy as np
df = pd.DataFrame(np.nan,columns=['A','B','C'],index=[0,1,2])
假设我想在这个pandas数据框之上添加一个额外的“图层”，这样列A，第0行将拥有其值，列B，第0行将具有不同的值，列C第0行将具有某些内容，列第1行，依此类推。就像在现有数据框之上的数据框架一样。
是否可以添加其他图层？如何访问这些图层？这是否有效，即我应该只使用一个单独的数据框？并且可以通过访问各个层来将这些多个层保存为csv，或者是否有一个函数可以将它们分解为同一工作簿中的不同工作表？
答案 0 :(得分：5)
pandas.DataFrame cannot have 3 dimensions：
DataFrame是一个二维标记的数据结构，其中包含可能不同类型的列。
但是，有一种方法可以使用MultiIndex / Advanced Indexing伪造三维：
分层索引（MultiIndex）
分层/多级索引非常令人兴奋，因为它为一些非常复杂的数据打开了大门 分析和操纵，特别是对于更高的工作 尺寸数据。实质上，它使您能够存储和操作 在较低维数据中具有任意数量维度的数据 系列（1d）和DataFrame（2d）等结构。
如果您真的需要额外的维度，请使用pandas.Panel：
对于 3维数据，
Panel是一个使用较少但仍然很重要的容器。
但请不要错过这些重要的免责声明：
注意：不幸的是
Panel，不像Series那样常用，DataFrame，在功能方面略有被忽视。一些DataFrame中未提供Panel中提供的方法和选项。
还有pandas.Panel4D (experimental)你不太可能需要它。