当你传入inplace时，会对原始变量进行更改并返回None，而函数不会返回修改后的 Dataframe ，它会返回None。

is_none = df.set_index(['Company', 'date'], inplace=True)
df  # the dataframe you want
is_none # has the value None

因此，当您有这样一行时：

df = df.set_index(['Company', 'date'], inplace=True)

它首先修改df...但随后将df设置为None！
也就是说，您只需使用以下行：

df.set_index(['Company', 'date'], inplace=True)

set_index()的结果是一个副本，因此您可以将其分配回df（而不是使用inplace=参数）。

df = df.set_index(['Company', 'date'])

注意set_index()在默认情况下是如何覆盖旧索引的，您可以通过append=参数追加新索引来保留旧索引。

df = df.set_index(['Company', 'date'], append=True)

新的索引不需要来自列，你可以传递一个panda Series或者一个与 Dataframe 长度相同的numpy数组给set_index()。

new_idx = pd.Series(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])
df = df.set_index([new_idx, 'date'])

要设置一个全新的MultiIndex，可以使用pd.MultiIndex对象。根据您用来构建索引的对象，有from_arrays()、from_tuples()、from_product()等方便的方法。
例如，如果要从lst1和lst2的笛卡尔积创建多索引，可以通过调用from_product()来完成。请注意，多索引的长度必须与 Dataframe 的长度匹配，才能使此操作正常工作。

lst1 = ['a', 'b', 'c', 'd']
lst2 = [100, 200]
df.index = pd.MultiIndex.from_product([lst1, lst2])