为何对MultiIndex DataFrame执行sum聚合时目标列C会被丢弃？

你遇到的C列被丢弃的问题，由两个不规范的写法共同导致：

• droplevel未显式指定操作轴，触发旧版本pandas的兼容bug
  早期pandas版本中DataFrame的droplevel方法默认操作轴是axis=1（列方向），和当前版本默认的axis=0（行方向）完全相反。你没有指定axis参数时，代码会尝试从列索引里删除名为'B'的层级，但你的列是单层结构、不存在名为'B'的索引层级，旧版本pandas不会抛出KeyError，反而会错误返回一个只有行索引、没有任何列的空DataFrame，后续执行sum自然只剩索引结构。
• 使用了已被官方弃用的聚合语法
  从pandas 1.3版本开始，sum/mean等聚合方法的level参数就被标记为废弃，官方要求统一用groupby实现分组聚合。旧的level写法在跨版本运行时存在大量隐式索引对齐问题，即使你修正了droplevel的参数，后续pandas版本升级后这段代码也会直接报错无法运行。

你的需求不需要先删除索引层级再聚合，直接用groupby指定分组的索引层级即可，写法稳定兼容所有pandas版本，不会出现列丢失问题：

# 按offset、A两个行索引层级分组，对C列求和
# 如果需要聚合所有数值列，去掉末尾的['C']即可
df.groupby(level=['offset', 'A'])['C'].sum()

如果你坚持要先删除B层级再聚合，一定要显式指定droplevel的操作轴，同时替换掉废弃的level写法：

df.droplevel('B', axis=0).groupby(level=['offset', 'A'])['C'].sum()

执行后就能得到预期输出：

offset A  C
0      0  1000
       1  100
...

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