Pandas多层索引DataFrame分组后IndexSlice使用异常问题

核心原因 #

这是pandas索引切片的设计逻辑差异导致的：

• 使用idxslc[:, :, max_dt]（单个标量作为第三级索引）时，pandas会自动移除该层级的索引，返回2级MultiIndex的DataFrame。因为单个标量索引被视为“精准定位到该层级的唯一值”，pandas会将这一层索引扁平化，不再保留。
• 使用idxslc[:, :, [max_dt]]（用列表包裹标量）时，pandas会完整保留原有的3级MultiIndex结构，仅第三级索引保留指定的max_dt值。列表形式的索引被视为“选择该层级的一个子集”，不会触发层级降维。

结合groupby场景的报错逻辑 #

在按前2级分组处理时：

• 若用单个标量切片，每个分组返回的结果是2级索引结构；而原DataFrame是3级索引，groupby拼接结果时，会因待拼接对象的索引层级数不一致，触发AssertionError: Cannot concat indices that do not have the same number of levels报错。
• 若用列表形式切片，所有分组返回的结果都保持3级MultiIndex结构，拼接时层级完全匹配，因此可以正常运行。

示例验证 #

假设你有如下3级MultiIndex的DataFrame：

import pandas as pd
idx = pd.MultiIndex.from_tuples([
    ('A', 'X', '2024-01-01'), ('A', 'X', '2024-01-02'),
    ('B', 'Y', '2024-01-01')
], names=['level1', 'level2', 'level3'])
df = pd.DataFrame({'value': [1,2,3]}, index=idx)

• 执行df.loc[pd.IndexSlice[:, :, '2024-01-01']]，返回的索引是2级：

  value
  level1 level2     
  A      X         1
  B      Y         3
  

• 执行df.loc[pd.IndexSlice[:, :, ['2024-01-01']]]，返回的索引仍为3级：

  value
  level1 level2 level3         
  A      X      2024-01-01     1
  B      Y      2024-01-01     3
  

内容的提问来源于stack exchange，提问作者Lei Hao