如何填充pandas多层索引DataFrame第二层级的NaN缺失值

方法1：按通道分组后前向填充（最符合pandas风格的简洁写法） #

你的需求是每个通道独立执行前向填充，直接按channel索引层级分组后调用ffill()即可，一行代码就能完成：

import pandas as pd
# 所有通道各自独立前向填充NaN
df = df.groupby(level='channel').ffill()

这个方法会自动对每个通道的所有列单独执行前向填充，完全符合你要的「同通道同列用上一个有效值填充NaN」的要求，不需要手动筛选子表再赋值。

方法2：用IndexSlice筛选二级索引（适合仅修改特定通道的场景） #

你提到的无法直接筛选二级索引的问题，可以用pd.IndexSlice解决，语法如下：

# 先创建索引切片器
idx = pd.IndexSlice
# 筛选所有时间下通道B的所有数据，返回的是可修改的视图
# 单独对通道B执行前向填充
df.loc[idx[:, 'B'], :] = df.xs('B', level='channel').ffill()

如果需要同时处理A和B两个通道，用方法1的分组写法效率和可读性更高。

效果验证 #

执行完填充操作后，原数据中2021-01-03、2021-01-05的通道B的NaN值，会被分别替换为2021-01-02、2021-01-04的通道B对应列的有效值，符合预期。

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