如何在Pandas多级索引DataFrame中选取含NaN的索引行？

嘿，我完全懂你碰到的这个麻烦——MultiIndex里的NaN确实没法用常规的df.isna()这类方法直接处理，毕竟索引的空值判断逻辑和列数据不太一样。我来给你一步步搞定这个问题：

首先，先还原你的示例数据 #

先把你给出的表格转换成可复现的代码，方便后续操作：

import pandas as pd

# 构建数据
data = {
    'Count': [3, 9, 25, 26, 99],
    'Price': ['$1.29', '$0.99', '$2.59', '$2.79', '$0.39']
}

# 创建多级索引
multi_index = pd.MultiIndex.from_tuples(
    [('Apple', 'Red'), (pd.NA, 'Green'), ('Pear', 'Red'), (pd.NA, 'Green'), ('Lime', 'Green')],
    names=['Fruit', 'Color']
)

# 生成DataFrame
df = pd.DataFrame(data, index=multi_index)

提取含NaN的第一级索引行 #

因为问题出在**第一级索引（Fruit）**的NaN上，我们需要专门针对这个层级的索引做空值判断：

方法1：通用兼容版（适合所有pandas版本） #

用index.get_level_values()拿到目标层级的索引数组，再结合pd.isna()识别空值：

# 筛选第一级索引为NaN的行
nan_fruit_rows = df[pd.isna(df.index.get_level_values('Fruit'))]

方法2：简洁版（适合pandas >=1.3.0） #

如果你的pandas版本比较新，可以直接用index.isna()并指定层级，代码更简洁：

nan_fruit_rows = df[df.index.isna(level='Fruit')]

运行结果 #

执行上述代码后，你会得到提取出的目标DataFrame：

Count  Price
Fruit Color             
NaN   Green     9  $0.99
      Green    26  $2.79

补充说明：为什么常规方法不行？ #

常规的df.isna()是用来检测列数据中的空值，不会对索引进行判断。而索引的空值需要直接操作索引对象，用get_level_values()定位到目标层级后，pd.isna()能准确识别pandas中的空值类型（包括pd.NA、np.nan等），比np.isnan()兼容性更好。

内容的提问来源于stack exchange，提问作者rajsx