删除含NaN的列后，MultiIndex的columns.levels仍显示已删列，求原因

核心原因：MultiIndex的levels + codes存储机制 #

Pandas的MultiIndex采用两层存储结构：

• levels：存储该层级所有曾出现过的标签全集，一旦MultiIndex创建完成，这个集合默认不会自动更新
• codes：存储每个索引位置对应的levels下标，删除列时仅修改codes（移除对应下标的条目），不会改动levels本身

在你的案例中：

1. 初始创建的MultiIndex level1的levels是['aa', 'bb', 'cc', 'dd']
2. 删除含NaN的('B','cc')列时，Pandas只是从codes中去掉了对应'cc'的下标，但levels依然保留原始的完整标签集合
3. 因此调用mydf.columns.levels[1]时，仍会返回包含已删除标签'cc'的原始全集

为什么要这么设计？ #

这是Pandas为性能优化做出的选择：如果每次增删索引标签都重构levels，会带来额外的计算开销，尤其是在频繁操作索引的场景下。保留原始levels可以避免不必要的集合运算，提升处理效率。

补充：获取当前存在的层级标签 #

如果你需要获取当前DataFrame中实际存在的level1标签，可以用：

# 获取当前存在的level1标签（去重）
mydf.columns.get_level_values(1).unique()

# 或者主动重构索引，更新levels
mydf.columns = mydf.columns.remove_unused_levels()
mydf.columns.levels[1]  # 此时会返回['aa', 'bb', 'dd']

内容的提问来源于stack exchange，提问作者ABot