含NaN的MultiIndex切片报错：Too many indexers问题求助

这个问题我之前也碰到过！问题出在带NaN的多级索引元组和loc的交互上——当你传入包含NaN的元组时，pandas会把NaN误当成额外的索引器参数，导致"Too many indexers"错误。下面给你两个靠谱的解决办法：

方法一：用groupby直接按多级索引分组（推荐） #

这是最简洁高效的方式，pandas的groupby会自动处理包含NaN的索引组合，不需要手动处理unique值：

# 按所有多级索引层级分组
for configuration, mini_df in my_df.groupby(level=my_df.index.names):
    # 这里可以处理每个子DataFrame
    print(f"当前索引组合：{configuration}")
    print(mini_df)
    print("---")

为什么这个方法有效？ #

groupby(level=...)会自动识别所有唯一的索引组合，不管其中有没有NaN，都能准确把对应的行聚合成子DataFrame。而且内部做了优化，数据量大的时候比手动循环高效很多。

方法二：用布尔掩码筛选（兼容旧代码逻辑） #

如果你坚持要遍历unique()索引，可以用布尔掩码来匹配索引，避开loc的NaN处理问题：

for configuration in my_df.index.unique():
    # 创建匹配当前索引组合的布尔掩码
    mask = my_df.index == configuration
    mini_df = my_df[mask]
    # 处理子DataFrame
    print(f"当前索引组合：{configuration}")
    print(mini_df)
    print("---")

原理说明 #

直接通过my_df.index == configuration生成布尔数组，pandas会正确比较包含NaN的索引元组（这里的NaN会被视为匹配条件），从而准确筛选出对应的行。

测试一下你的示例数据，两种方法都能正确获取每个唯一索引对应的子DataFrame，比如第一个索引组合(3.0, nan, nan, nan)会选中行0，(3.0, 2.0, nan, nan)会选中行1和2，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Joylove