如何在Pandas多级索引横截面切片中设置均值相对值（非循环实现）

你遇到的NaN问题核心是多级索引对齐不匹配：右侧计算出的Series索引是单层的（['x','y']），而左侧目标列是MultiIndex元组（('x','b'), ('y','b')），两者无法对应导致赋值失败，最终出现NaN。

简化易读的实现方法 #

无需遍历索引列，直接利用Pandas的内置操作即可解决，同时简化均值计算步骤：

import pandas as pd
import numpy as np

x = pd.DataFrame({'a': [1, 2, 3], 'b': [1, 2, 3]})
y = pd.DataFrame({'a': [11, 12, 13], 'b': [21, 22, 23]})

df = pd.concat({'x': x, 'y': y}, axis=1)

# 获取指定行的所有'a'列数据，直接计算均值（自动忽略NaN）
row_a_data = df.loc[1, (slice(None), 'a')]
average = row_a_data.mean()

# 用.values跳过索引对齐，直接将计算结果写入目标'b'列
df.loc[1, (slice(None), 'b')] = (row_a_data - average).values

执行结果 #

x        y
   a    b   a     b
0  1  1.0  11  21.0
1  2 -5.0  12   5.0
2  3  3.0  13  23.0

关键说明 #

• 用row_a_data.mean()替代手动处理NaN和numpy均值计算，更简洁且符合Pandas使用习惯。
• 赋值时使用.values直接传递数值数组，绕过索引对齐的限制，确保值能正确写入目标列。
• 全程无需遍历索引列，代码逻辑清晰易读。

内容的提问来源于stack exchange，提问作者HAL