在Pandas系列中把多索引串联成单一索引

要将多层级（多索引）的数据转换为单层级索引，可以使用Pandas中的reset_index()方法。这个方法将多层级的行列索引变化为最基础的单层级数据。下面是示例代码：

import pandas as pd

# 创建有多层级索引的数据
data = {'color': ['blue', 'green', 'red', 'white', 'yellow'],
        'size': ['S', 'S', 'M', 'L', 'XL'],
        'gender': ['M', 'F', 'M', 'F', 'F'],
        'age': [10, 20, 30, 40, 50],
        'price': [1.2, 3.5, 6.7, 5.5, 3.2]}
df = pd.DataFrame(data)
multi_index = pd.MultiIndex.from_arrays([df['color'], df['size'], df['gender']])
df.index = multi_index
df.drop(['color', 'size', 'gender'], axis=1, inplace=True)
print(df)

输出的结果如下：

                 age  price
blue   S  M       10    1.2
green  S  F       20    3.5
red    M  M       30    6.7
white  L  F       40    5.5
yellow XL F       50    3.2

在这个例子中，我们创建了一个多层级索引的DataFrame，其中行索引由三个不同的列组成。这里我们使用了from_arrays()方法创建了一个多层级索引，并分别用颜色，尺码和性别来表示行索引。

接下来，我们使用reset_index()方法将这个多层级DataFrame转换为单层级索引的DataFrame。下面是示例代码：

single_index = df.reset_index()
print(single_index)

输出的结果是：

    level_0 level_1 level_2  age  price
0      blue       S       M   10    1.2
1     green       S       F   20    3.5
2       red       M       M   30    6.7
3     white       L       F   40    5.5
4    yellow      XL       F   50    3.2

在这个例子中，我们使用了reset_index()方法将多层级索引转换为单层级索引，每一列的名称都是level_0，level_1，level_2等。这些列的值已经代表了原来的多层级索引。可以看到，我们已经成功地将多层级索引转换为单层级索引，并得到了一个易于使用和处理的DataFrame。

需要注意的是，reset_index()方法并不会对原DataFrame进行更改，而是返回了一个新的DataFrame。如果需要对原数据进行更新，需要手动使用赋值运算符将新的DataFrame赋给原DataFrame。

以上就是如何将多索引串联成单一索引的攻略和相关实例。