如何在含日期时间的Multi-Index DataFrame中正确取值？

核心原因 #

重采样后第二级索引的数据类型或精度和你传入的查询值不匹配：

• 原DataFrame的第二级是带时分秒的datetime，月度重采样后的索引是Timestamp类型（如2022-08-31 00:00:00），但你用字符串"2022-08-31"查询，两者无法匹配
• 重采样过程可能意外改变了MultiIndex的层级顺序

具体解决方案 #

1. 先确认索引结构与类型 #

先运行代码排查索引状态：

print(df_custom.index)
print("第二级索引类型:", type(df_custom.index.get_level_values(1)[0]))

如果输出显示第二级是Timestamp（带时分秒），那就是类型不匹配导致的KeyError。

2. 用Timestamp对象匹配索引 #

将查询的日期字符串转为pd.Timestamp，保证类型完全一致：

import pandas as pd

target_idx = ("IMX01", pd.Timestamp("2022-08-31"))
df_custom.loc[[target_idx]]

如果重采样后的日期是当月最后一天的00:00:00，也可以精确指定：

target_idx = ("IMX01", pd.Timestamp("2022-08-31 00:00:00"))
df_custom.loc[[target_idx]]

3. 重采样时显式控制索引格式 #

重采样时指定label='right'，确保索引是当月最后一天的Timestamp：

# 分组后按月度重采样，指定label为当月最后一天
df_custom = df.groupby(level=0).resample('M', level=1, label='right').sum()

这样重采样后的索引日期和你预期的2022-08-31完全匹配。

4. 用Partial Indexing简化查询 #

如果只需要匹配设备和月份，不用精确到某天，可以直接用部分索引：

# 取IMX01设备2022年8月的数据
df_custom.loc[("IMX01", "2022-08"), :]
# 或者按日期范围查询
df_custom.loc[("IMX01", slice("2022-08-01", "2022-08-31")), :]

5. 修复错位的索引层级 #

如果重采样后设备标识和日期的层级顺序颠倒了，用swaplevel调整：

# 交换索引层级，确保设备为第一级，日期为第二级
df_custom = df_custom.swaplevel(0, 1).sort_index()

内容的提问来源于stack exchange，提问作者iXrst