如何对MultiIndex DataFrame进行降粒度重采样（日度转月末）并保留每月最后有效观测值

你需要将带有date和groups双索引的日度数据转换为月末频率，同时保留当月最后一个有效日的各组数据，并且将日期标记为当月月末。下面是两种实用的解决方案：

方法一：Unstack + 重采样 + Stack #

这种方法适合所有组的有效日期一致的场景，操作步骤清晰直观：

1. Unstack分组索引：先把groups从索引转为列，让date成为唯一的行索引，这样就能直接复用单索引下的asfreq方法：

df_unstacked = df.unstack(level='groups')

2. 月末重采样并填充：用asfreq('M', method='ffill')将日期重采样至月末，同时用当月最后一个有效观测值填充：

df_monthly_unstacked = df_unstacked.asfreq('M', method='ffill')

3. 恢复MultiIndex结构：再把groups重新转为索引，并排序保证结构整洁：

df_monthly = df_monthly_unstacked.stack(level='groups').sort_index()

方法二：分组后单独处理 #

如果不同组的有效日期可能存在差异（比如某些组在某月的最后有效日和其他组不同），这种方法更灵活，对每个组单独执行重采样逻辑：

df_monthly = df.groupby(level='groups', group_keys=False).apply(
    lambda x: x.asfreq('M', method='ffill')
).sort_index()

结果验证 #

运行上述任意一种方法后，你都会得到符合预期的结果：日期被设置为当月月末，对应的值是该月最后一个有效日的各组数据，和你给出的示例输出完全一致。

内容的提问来源于stack exchange，提问作者vpy