如何访问含NaN的MultiIndex索引DataFrame中对应位置的值

这个问题其实是因为pandas里NaN的特殊性——NaN和自身不相等，直接用(0, np.nan)去匹配索引自然找不到对应的项。不过有几个办法可以解决，而且完全不用删除这个带NaN的索引：

方法1：通过布尔筛选定位NaN索引项 #

利用isna()方法识别索引中的NaN值，直接筛选出目标行：

import pandas as pd

# 筛选objId为NaN的行
result = df.loc[df.index.get_level_values('objId').isna()]
print(result.values[0])  # 输出 [3, 7]

这个方法的核心是get_level_values('objId')提取出MultiIndex的第二级，再用isna()精准识别NaN，避免了直接比较NaN的问题。

方法2：先获取目标索引对象再访问 #

先从索引列表中定位到包含NaN的那个元组对象，再用它来访问数据：

# 找到包含NaN的索引项
target_idx = [idx for idx in df.index if pd.isna(idx[1])][0]
# 用索引对象访问
result = df.loc[target_idx]
print(result.values[0])  # 输出 [3, 7]

这个思路和你之前跳过NaN的逻辑类似，只不过反过来是找到目标索引再直接用它访问——因为索引对象本身是可以被loc正确识别的，不需要依赖值的相等性判断。

方法3：利用索引的get_loc方法（进阶） #

如果你需要更底层的操作，可以用索引的get_loc方法结合布尔条件：

# 获取目标索引的位置
loc = df.index.get_loc((0, pd.NA))
# 注意：这里用pd.NA而不是np.nan，在pandas 1.3+中可以匹配到np.nan的索引项
result = df.iloc[loc]
print(result.values[0])  # 输出 [3, 7]

不过这个方法要注意版本兼容性，pandas 1.3+中pd.NA可以和索引中的np.nan匹配，老版本可能需要调整。

本质上，所有方法都是绕开了“直接比较NaN”的坑，转而用pandas内置的NaN检测函数来定位目标索引，这样就能保留你需要的特殊索引项啦。

内容的提问来源于stack exchange，提问作者deponovo