多层列DataFrame筛选行遇IndexError：索引越界问题求助

首先，咱们来拆解一下你的问题：你有一个带3个重复索引层级的DataFrame，每个索引组合对应两行数据，想要筛选('h/a stats','po25/bts')列值大于0.7的行，但用loc基于索引标签筛选时触发了IndexError，同时你希望最终结果能保留符合条件的行，也可以处理成唯一索引的形式。

问题根源 #

你遇到的IndexError，本质是因为你的索引（fecha, torneo, partido）不唯一：当你用fframe.index[mask]提取索引标签时，得到的是包含重复值的标签数组，而loc在处理重复标签时，会返回每个标签对应的所有行（而不是你掩码指定的那一行），这种错位导致了索引越界错误。

另外，你提到执行fframe[fframe[('h/a stats','po25/bts')]>0.7]时看到了True和False行共存，这大概率是描述上的小偏差——这个写法本身是按行布尔掩码筛选，应该只会保留符合条件的行，可能你看到的是原数据的结构残留？

直接解决方案：用布尔掩码直接筛选（最可靠） #

不需要绕弯子用索引标签，直接用布尔掩码筛选DataFrame即可，不管索引是否重复，都能精准定位符合条件的行：

# 生成布尔掩码：标记列值大于0.7的行
mask = fframe[('h/a stats', 'po25/bts')] > 0.7
# 直接用掩码筛选
filtered_df = fframe[mask]

或者更简洁的写法：

filtered_df = fframe[fframe[('h/a stats', 'po25/bts')] > 0.7]

如果你想用loc（推荐风格更清晰），也可以直接把掩码传入loc：

filtered_df = fframe.loc[mask]

额外需求：让索引唯一并保留符合条件的行 #

如果你希望处理后的DataFrame索引是唯一的（同时保留原索引组合下的符合条件行），可以给索引添加一个额外的层级（比如行序号）来区分同一索引组合下的两行数据：

# 给每个索引组合内的行添加序号（0,1）
fframe['row_seq'] = fframe.groupby(level=['fecha', 'torneo', 'partido']).cumcount()
# 将序号加入索引，让整个索引唯一
fframe = fframe.set_index('row_seq', append=True)

# 再执行筛选
mask = fframe[('h/a stats', 'po25/bts')] > 0.7
filtered_unique_idx_df = fframe[mask]

这样最终的索引是(fecha, torneo, partido, row_seq)，每个组合都是唯一的，同时你也保留了所有符合条件的行。

验证一下 #

执行完筛选后，你可以用filtered_df.index.is_unique来检查索引是否唯一（如果用了添加行序号的方法，这个值会是True），同时查看filtered_df[('h/a stats','po25/bts')]确认所有值都大于0.7。

内容的提问来源于stack exchange，提问作者puppet