多索引(MultiIndex)合并返回空DataFrame，但理应可正常连接

嘿，我之前处理奥运会和人口数据合并的时候也踩过这个MultiIndex的坑！咱们一步步来排查和解决，大概率是索引的细节没对齐导致的：

最常见的几个问题及修复方法 #

1. MultiIndex的层级顺序不匹配 #

比如你的奥运会数据索引是['country', 'year']，但人口数据的索引是反过来的['year', 'country']——哪怕内容完全一样，合并时也会因为层级顺序不对找不到匹配项，直接返回空DataFrame。

检查方法：

# 打印两个DataFrame的索引层级名称
print("奥运会数据索引层级：", olympic_df.index.names)
print("人口数据索引层级：", population_df.index.names)

修复代码：
如果层级顺序不对，重新排序索引：

# 将人口数据的索引层级调整为和奥运会数据一致
population_df = population_df.reorder_levels(['country', 'year'])

2. 索引层级的数据类型不一致 #

这是最容易忽略的点！比如奥运会数据里的year是整数类型（比如2020），但人口数据里的year是字符串类型（比如'2020'）；或者country code一个是字符串（'USA'）一个是整数编码。这种类型差异会让Pandas认为两者不匹配。

检查方法：

# 查看索引各层级的数据类型
print("奥运会索引各层级类型：")
for level, dtype in zip(olympic_df.index.names, olympic_df.index.dtypes):
    print(f"- {level}: {dtype}")

print("\n人口索引各层级类型：")
for level, dtype in zip(population_df.index.names, population_df.index.dtypes):
    print(f"- {level}: {dtype}")

修复代码：
统一对应层级的数据类型，比如把字符串年份转成整数：

# 调整人口数据的year层级为整数类型
population_df.index = population_df.index.set_levels(
    population_df.index.get_level_values('year').astype(int),
    level='year'
)

# 如果是country code类型不匹配，转为字符串
population_df.index = population_df.index.set_levels(
    population_df.index.get_level_values('country').astype(str),
    level='country'
)

3. 索引层级的名称不匹配 #

比如奥运会数据的索引层级叫'country'，但人口数据里叫'country_code'——哪怕内容完全一样，Pandas也会把它们当成不同的索引键，导致合并失败。

检查方法：
直接看前面打印的索引层级名称就能发现差异。

修复代码：
重命名索引层级，保持两者一致：

# 将人口数据的索引层级重命名为和奥运会数据匹配
population_df.index.rename(['country', 'year'], inplace=True)

4. 合并方式的选择（验证用） #

如果前面的问题都排查了，还可以先换合并方式验证是否有匹配项：

# 先用outer合并，看看是否有部分匹配的数据
merged_outer = pd.merge(olympic_df, population_df, left_index=True, right_index=True, how='outer')
print("Outer合并后的行数：", len(merged_outer))

# 查看两个索引的交集数量
common_indices = olympic_df.index.intersection(population_df.index)
print("共同的索引数量：", len(common_indices))

如果共同索引数量为0，那可能确实是两个数据集没有重叠的国家-年份组合；如果数量大于0，那就是前面的索引细节没对齐。

修复后的合并示例 #

当所有索引细节对齐后，用join或者merge都能得到正确结果：

# 方法1：用join（适用于索引对齐的情况）
merged_df = olympic_df.join(population_df, how='inner')

# 方法2：用merge指定索引
merged_df = pd.merge(olympic_df, population_df, left_index=True, right_index=True, how='inner')

内容的提问来源于stack exchange，提问作者aMlkv