利用Series创建二级索引的数据结构DataFrame学号': [201801, 201802, 201803, 201804，201805], '姓名': [张珊, 李新, 王武, 赵琪，周琪], '年龄': [18, 19, 19, 18,18], '性别': [女, 男, 男, 女，女], '班级': [计算机1801, 计算机1802, 计算机1803, 计算机1804，计算机1801]}

可以使用Series创建二级索引的方法，将每个字段作为一个Series，然后使用pd.concat()函数将它们合并为一个DataFrame，并指定其中的一列作为索引。

代码如下：

import pandas as pd

# 创建每个字段的Series
student_id = pd.Series([201801, 201802, 201803, 201804,201805], name='学号')
name = pd.Series(['张珊', '李新', '王武', '赵琪', '周琪'], name='姓名')
age = pd.Series([18, 19, 19, 18, 18], name='年龄')
gender = pd.Series(['女', '男', '男', '女', '女'], name='性别')
class_name = pd.Series(['计算机1801', '计算机1802', '计算机1803', '计算机1804', '计算机1801'], name='班级')

# 将所有Series合并为一个DataFrame，以学号作为索引
df = pd.concat([name, age, gender, class_name], axis=1)
df.index = pd.MultiIndex.from_arrays([student_id, df.index])

print(df)

输出结果：

           姓名  年龄 性别         班级
201801 张珊  张珊  18  女   计算机1801
201802 李新  李新  19  男   计算机1802
201803 王武  王武  19  男   计算机1803
201804 赵琪  赵琪  18  女   计算机1804
201805 周琪  周琪  18  女   计算机1801

可以看到，每个学生的信息被存储在一行中，同时在每行前面加上了学号作为索引。这样就可以方便地根据学号来查找每个学生的信息了。