如何在三级索引Multi Index DataFrame中保留每月最后一天数据

针对带有年、月、日三级索引的Multi Index DataFrame，要保留每个月最后一天的数据，这里提供两种实用方法：

方法一：直接基于三级索引分组筛选 #

如果你的日索引是每个月的实际日期值（比如示例中2024年4月的最大日是4），可以通过按年、月分组，筛选出每组中日最大的记录：

import pandas as pd

# 假设你的DataFrame名为df，索引是['年', '月', '日']的MultiIndex
# 第一步：按年、月分组，获取每个组的最大日值
max_day_per_month = df.groupby(level=['年', '月']).apply(lambda x: x.index.get_level_values('日').max())

# 第二步：构造符合MultiIndex的索引元组，提取对应数据
selected_indices = [(year, month, day) for (year, month), day in max_day_per_month.items()]
result = df.loc[selected_indices]

方法二：转换为日期列处理 #

如果担心日期逻辑有歧义，可以先把三级索引转为日期列，再按月份筛选最后一天：

# 重置索引为普通列
df_reset = df.reset_index()
# 拼接年、月、日为datetime类型列
df_reset['full_date'] = pd.to_datetime(df_reset[['年', '月', '日']])
# 按年和月分组，取每组中日期最晚的一行
result_reset = df_reset.groupby([df_reset['full_date'].dt.year, df_reset['full_date'].dt.month]).tail(1)
# 恢复原三级索引
result = result_reset.set_index(['年', '月', '日'])

补充说明 #

如果你的日索引是按时间顺序排序的（每个月的最后一行就是当月最后一天），可以用更简洁的写法：

result = df.groupby(level=['年', '月']).tail(1)

内容的提问来源于stack exchange，提问作者Crovish