Pandas含日期多索引DataFrame按loc访问时间歇性触发TypeError

间歇性报错由两个叠加的触发条件共同导致：

1. 原始DataFrame的date列存在类型混杂问题：列中第一个元素是带UTC时区的Timestamp类型（值为2020-06-03T15:59:59.999999+00:00），其余同日期的元素是原生datetime.date类型。直接基于这列做groupby生成MultiIndex时，pandas会将不同类型的日期值规整到同一分组下，但不会强制做全局类型统一。
2. pandas的MultiIndex单调性校验存在逻辑漏洞：为了加速索引查询，pandas会根据内存中索引元素的临时排布状态，动态判断某一层级是否为严格单调排序。一旦将非严格排序的层级误判为已排序，查询时就会触发快速searchsorted查找路径。

误判发生时的错误逻辑链路：

• 正常逐值匹配路径下，查询到date=2020-06-03对应的两个连续行索引时，会生成表示行范围的slice对象，返回所有匹配行后再做列筛选，整个流程无异常。
• 错误触发快速路径时，这个本该作为范围匹配参数的slice对象，被错误传递给了要求传入离散int编码值的level_codes.searchsorted()接口，最终抛出TypeError。

故障的间歇性来源：MultiIndex的单调性校验基于内存临时状态，没有做持久化的严格校验。大部分运行场景下，pandas会识别到类型混杂导致的非严格排序，走正常逐值匹配路径；只有少部分内存排布状态下会出现误判，触发bug，对应约10%的失败概率。

选择以下任意一种方案即可完全消除间歇性报错：

• 统一date列的元素类型，从根源消除类型混杂问题。在生成原始DataFrame后增加一行类型规整代码：

  df["date"] = pd.to_datetime(df["date"]).dt.date
  

  代码会将所有混合类型的日期值统一转换为datetime.date类型，groupby生成的多索引层级类型完全一致，pandas的单调性校验不会再出现误判。
• 生成多索引DataFrame后，主动执行一次显式索引排序，强制修正内部的单调性标记：

  breakdown = df.groupby(["date", "status"]).sum().sort_index()
  

  显式排序会让pandas明确标记该多索引为严格已排序状态，快速查找路径的内部逻辑会完整执行，不会出现参数错传的问题。
• 索引访问时显式传入完整的多索引元组，绕过部分层级匹配的动态逻辑。将原访问代码

  done = breakdown.loc[d, "done"]
  

  修改为

  done = breakdown.loc[(d, "done"), :]
  

  这种写法会直接定位到多索引的对应行，跳过部分层级匹配时的动态分支判断，从调用层规避该索引逻辑漏洞。

内容的提问来源于stack exchange，提问作者Atticus