如何对比MultiIndex结构DataFrame与同索引Series数值并筛选符合条件的行

更简洁高效的实现方案 #

你完全可以利用pandas的索引对齐特性，避免使用低效的groupby+apply逻辑，推荐两种常用实现：

方案1：向量化布尔筛选（性能最优）

# 直接按前两级索引匹配参考时长，生成布尔掩码后筛选
mask = chunk['durations'] == durations_star.reindex(chunk.index.droplevel('OptionSymbol')).to_numpy()
result = chunk[mask]

这种是纯向量化操作，没有逐组迭代的开销，数据量越大性能优势越明显，输出结果的索引结构和原chunk完全一致，不需要额外调整。

方案2：join关联筛选（可读性最强）

result = chunk.join(
    durations_star.rename('durations_ref'), 
    on=['UnderlyingSymbol', 'Delta']
).query('durations == durations_ref').drop('durations_ref', axis=1)

这种写法逻辑更直观，适合需要快速理解代码逻辑的场景，性能也远优于原实现。
两种方案都不需要做索引重置、逐组匹配操作，代码更简洁，执行效率比你目前的写法高数十倍以上。

内容的提问来源于stack exchange，提问作者Marcella