Pandas：展平含元组的多级索引列并消除列表中的None值

我完全懂你遇到的麻烦——当多级索引DataFrame里的列条目长度不一致时，直接转成列表总会混入None/NaN，打乱后续的处理逻辑。这里有几个实用的方案，帮你彻底清理掉这些无效值：

方法一：通用逐行过滤法 #

先写个简单的过滤函数，逐行处理时把所有NaN和None都剔除，再生成干净的元组列表：

import pandas as pd
import numpy as np

# 先构造一个模拟你场景的测试DataFrame
data = {
    ('GroupA', 'ColX'): [(1,2), (3,), np.nan],
    ('GroupA', 'ColY'): [(4,5), np.nan, (6,7,8)],
    ('GroupB', 'ColZ'): [np.nan, (9,10), (11,)]
}
df = pd.DataFrame(data)

# 核心的清理函数
def clean_tuple_list(row):
    # 把行转成列表后，用pd.notna过滤所有无效值
    return [item for item in row.tolist() if pd.notna(item)]

# 应用到整个DataFrame，生成新列
df['cleaned_tuple_list'] = df.apply(clean_tuple_list, axis=1)

运行后你会得到完全没有None的结果：

GroupA               GroupB cleaned_tuple_list
          ColX       ColY       ColZ                  
0      (1, 2)    (4, 5)       NaN    [(1, 2), (4, 5)]
1         (3)       NaN    (9,10)      [(3,), (9, 10)]
2         NaN  (6,7,8)      (11,)    [(6, 7, 8), (11,)]

方法二：针对特定多级索引层级处理 #

如果你只需要处理某一层级的列（比如只处理GroupA下的列），可以先选中目标列再过滤，效率更高：

# 仅处理GroupA层级的列
df['GroupA_tuple_list'] = df['GroupA'].apply(
    lambda row: [item for item in row.tolist() if pd.notna(item)],
    axis=1
)

关键细节说明 #

• 为什么你之前移除NaN的尝试没成功？因为直接转换时，Pandas会把缺失位置填充为numpy.nan，转换成列表后可能变成None，而普通的remove(np.nan)无法识别Pandas里的NaN类型——必须用pd.notna()来判断，它能同时识别Python的None和numpy的NaN。
• 如果你的数据里还有空元组()这类无效值，可以在过滤条件里追加判断：if pd.notna(item) and item != ()。

内容的提问来源于stack exchange，提问作者Mr. T