Pandas多级列头DataFrame多条件筛选失效的解决方法

失效原因 #

两个单独条件返回的布尔序列列名不匹配：

• 筛选A列得到的序列列名为Unnamed: 0_level_1
• 筛选B列得到的序列列名为Unnamed: 1_level_1
  pandas执行&按位运算时默认会对齐索引/列名后再逐位计算，列名匹配不上的位置会全部判定为False，最终生成两列全为False的二维结果，无法得到正确筛选值。

正确筛选写法 #

写法1：提取数组跳过索引对齐（改动最小） #

不需要修改原有筛选逻辑，直接提取布尔结果的底层数组做运算，绕过pandas的索引对齐规则：

# 将两个筛选结果转为一维数组
cond_a = (df["A"].filter(like="Unnamed") == 1).to_numpy().flatten()
cond_b = (df["B"].filter(like="Unnamed") == "def").to_numpy().flatten()
# 组合条件筛选
result = df[cond_a & cond_b]

写法2：指定完整多级列名（最稳定） #

通过(一级列名, 二级列名)的元组格式直接定位列，从根源避免列名不匹配问题，代码可读性更高：

cond_a = df[("A", "Unnamed: 0_level_1")] == 1
cond_b = df[("B", "Unnamed: 1_level_1")] == "def"
result = df[cond_a & cond_b]

写法3：预清理无效列名（适合高频操作场景） #

如果后续需要频繁操作A、B列，可以先把无意义的Unnamed二级列名批量替换为空，简化后续调用逻辑：

# 批量清理多级列名
df.columns = pd.MultiIndex.from_tuples(
    [(level1, "" if "Unnamed" in level2 else level2) for level1, level2 in df.columns]
)
# 筛选逻辑更简洁
result = df[(df[("A", "")] == 1) & (df[("B", "")] == "def")]

预期输出 #

以上三种写法最终返回结果完全符合需求：

A    B  C
        x  y
2  1  def  5  7

注：最左侧的2是原DataFrame的默认行索引，不属于数据内容。

内容的提问来源于stack exchange，提问作者moys