这里有一种方法，它在NumPy上完成大部分处理，然后最终将其作为DataFrame输出，就像这样-

m,n,r = a.shape
out_arr = np.column_stack((np.repeat(np.arange(m),n),a.reshape(m*n,-1)))
out_df = pd.DataFrame(out_arr)

如果您确切地知道列数为2，那么我们将以b和c作为最后两列，以a作为第一列，您可以添加列名称，如下所示-

out_df = pd.DataFrame(out_arr,columns=['a', 'b', 'c'])

样品运行-

>>> a
array([[[2, 0],
        [1, 7],
        [3, 8]],

       [[5, 0],
        [0, 7],
        [8, 0]],

       [[2, 5],
        [8, 2],
        [1, 2]],

       [[5, 3],
        [1, 6],
        [3, 2]]])
>>> out_df
    a  b  c
0   0  2  0
1   0  1  7
2   0  3  8
3   1  5  0
4   1  0  7
5   1  8  0
6   2  2  5
7   2  8  2
8   2  1  2
9   3  5  3
10  3  1  6
11  3  3  2

使用Panel：

a = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
b=pd.Panel(rollaxis(a,2)).to_frame()
c=b.set_index(b.index.labels[0]).reset_index()
c.columns=list('abc')

则a为：

[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]

b是：

0  1
major minor      
0     0      1  2
      1      3  4
1     0      5  6
      1      7  8

并且c是：

a  b  c
0  0  1  2
1  0  3  4
2  1  5  6
3  1  7  8

这是一个不带面板的纯Pandas解决方案。
要使用MultiIndex获取 Dataframe ，请使用pd.concat：

>>> df = pd.concat([pd.DataFrame(arr) for arr in a], keys=np.arange(len(a)))
>>> df
     0  1
0 0  0  6
  1  6  4
  2  3  4
1 0  5  1
  1  1  3
  2  6  4
2 0  8  0
  1  2  3
  2  3  1
3 0  2  2
  1  0  0
  2  6  3

要将其转换为问题中提供的非MultiIndex形式，请执行以下操作：

>>> df.reset_index().drop('level_1',axis=1).set_axis(['a','b','c'], axis=1)

    a  b  c
0   0  0  6
1   0  6  4
2   0  3  4
3   1  5  1
4   1  1  3
5   1  6  4
6   2  8  0
7   2  2  3
8   2  3  1
9   3  2  2
10  3  0  0
11  3  6  3