Pandas GroupBy提取多级索引首行时列值异常变更问题咨询

groupby.first()的设计逻辑并非提取每组的完整第一行，而是对DataFrame的每一列单独处理，寻找该组内该列的第一个非缺失值（Pandas将None、NaN均判定为缺失值）。

以你的示例来说：

• 'A'组的C1列第一行是1.0（非缺失），直接取用该值；
• 但C2列第一行是None（缺失），因此会跳过该行，继续查找同组内C2列的第一个非缺失值——也就是第二行的'ca'；
• 最终拼接出的行混合了不同原始行的列值，导致和原数据的第一行不一致。

以下两种方法可以精准提取每组的完整第一行，保留所有原始值（包括None/NaN）：

方法1：使用nth(0) #

nth(0)会严格遵循原数据的行顺序，提取每组的第0位（即第一行）完整数据，完全不考虑列值是否缺失：

df.groupby(level='myIndex1').nth(0)

方法2：通过索引直接定位 #

利用多级索引的特性，先提取第一级索引的唯一值，再用loc直接定位对应行（原数据中首次出现的第一级索引对应的行就是目标行）：

# 获取第一级索引的唯一值集合
unique_first_idx = df.index.get_level_values('myIndex1').unique()
# 定位并提取目标行
df.loc[unique_first_idx, :]

执行上述任意一种方法，都会得到与原数据第一行完全一致的结果：

C1    C2
myIndex1         
A        1.0  None
B        3.0    cb
C        2.0    cc

内容的提问来源于stack exchange，提问作者user1477337