如何通用地为Pandas DataFrame重新索引（兼容普通索引与MultiIndex）

问题根源 #

你遇到的NaN是因为索引类型不匹配：原DataFrame用的是普通Index，但你传入的是单级MultiIndex，两者属于不同类型的索引对象，Pandas无法完成值匹配。

通用解决代码 #

通过判断原DataFrame的索引类型，动态生成对应类型的新索引，确保类型一致即可解决：

import pandas as pd

def compatible_reindex(df, index_levels):
    if isinstance(df.index, pd.MultiIndex):
        target_index = pd.MultiIndex.from_product(index_levels)
    else:
        # 普通索引场景，取嵌套列表的第一层元素生成索引
        target_index = pd.Index(index_levels[0])
    return df.reindex(target_index)

测试验证 #

1. 普通索引场景：

a = pd.DataFrame([1,2,3], index=[1,2,3])
print(compatible_reindex(a, [[1,2,3]]))

输出符合预期：

0
1  1
2  2
3  3

2. MultiIndex场景：

# 构造一个MultiIndex的DataFrame
b = pd.DataFrame(
    [10,20,30],
    index=pd.MultiIndex.from_product([[1,2,3], ['x']], names=['id', 'type'])
)
# 传入两级索引的levels
print(compatible_reindex(b, [[1,2,3], ['x', 'y']]))

输出：

0
id type
1  x    10
   y   NaN
2  x    20
   y   NaN
3  x    30
   y   NaN

关键逻辑 #

• 当原索引是MultiIndex时，直接用from_product生成对应结构的多级索引
• 当原索引是普通Index时，将传入的嵌套层级列表展开，生成同类型的普通索引，避免类型不匹配导致的匹配失败

内容的提问来源于stack exchange，提问作者extremeaxe5