使用整数标签切片Pandas多索引DataFrame时触发类型错误

核心原因 #

多索引场景下，pd.IndexSlice对整数切片的解析逻辑和单索引完全不同：

• 单索引：使用loc时，整数会被直接当作标签值处理，只要索引是整数类型，loc[12:]会筛选出标签值≥12的行。
• 多索引：当你在IndexSlice中使用整数切片（如12:）时，pandas会默认将这个整数视为位置索引（即按行的位置序号，而非标签值），但你的第二层索引是自定义整数标签，不是连续的位置序列，因此触发类型不匹配的错误。

而使用字符串"12":时，pandas会自动将第二层的整数标签转为字符串，然后按字典序进行前缀切片——只要标签转成字符串后字典序≥"12"，都会被选中，因此能正常执行。

正确处理方式 #

如果你想基于整数标签的数值范围切片（比如筛选timestamp≥某个具体值），直接使用对应整数标签即可：

# 示例：筛选timestamp≥1616131200的行
relevant_df = df.loc[pd.IndexSlice[:, 1616131200:]]

如果确实需要按前缀匹配（比如匹配timestamp前几位符合特定数字的数值），可以先将第二层索引转为字符串类型，再用字符串切片：

# 转换索引类型为字符串
df_str_idx = df.reset_index()
df_str_idx['timestamp'] = df_str_idx['timestamp'].astype(str)
df_str_idx = df_str_idx.set_index(["topic", "timestamp"])

# 执行前缀切片
relevant_df = df_str_idx.loc[pd.IndexSlice[:, "12":]]

内容的提问来源于stack exchange，提问作者Mark