Pandas多层索引DataFrame中使用rename替换索引NaN值无效的原因咨询

嗨，我来帮你拆解这个问题的根源，以及给出能生效的解决办法~

首先还原你的场景：你有一个带多层索引的DataFrame，定义代码如下：

import pandas as pd
import numpy as np

temp = pd.DataFrame({'has_exclamation': {('automotive', 0.0): 99.1814132659203,
  ('automotive', np.nan): 0.8185867340796917,
  ('beauty_spa', 0.0): 99.8,
  ('beauty_spa', np.nan): 0.15384615384615385,
  ('beauty_spa', 1.0): 0.04615384615384615},
 'has_exclamation_end': {('automotive', 0.0): 99.1814132659203,
  ('automotive', np.nan): 0.8185867340796917,
  ('beauty_spa', 0.0): 99.83846153846154,
  ('beauty_spa', np.nan): 0.15384615384615385,
  ('beauty_spa', 1.0): 0.007692307692307693},
 'has_all_cap': {('automotive', 0.0): 98.88046226074395,
  ('automotive', np.nan): 0.8185867340796917,
  ('beauty_spa', 0.0): 99.56153846153846,
  ('beauty_spa', np.nan): 0.15384615384615385,
  ('beauty_spa', 1.0): 0.28461538461538466}})

你尝试用temp.rename(index={np.nan: 'Missing'}, level=1)替换第二层索引里的np.nan，但发现完全没效果，这是为什么呢？

核心原因：NaN的“特殊性格” #

问题出在**np.nan的不等性**上——在Python里，np.nan != np.nan会返回True，这是NaN的固有属性（因为NaN代表“缺失值”，无法和任何值（包括自身）判定为相等）。

当你用字典{np.nan: 'Missing'}给rename做映射时，Pandas会尝试用字典的键去匹配索引中的值，但因为索引里的np.nan和你字典里的np.nan无法通过相等性判断匹配上，所以这个替换操作根本找不到要替换的目标，自然就没动静啦。

两种能生效的解决方法 #

既然字典映射走不通，我们换两种思路实现替换：

方法1：用set_levels配合replace

直接提取目标层级的索引值，用replace识别并替换NaN，再重新设置索引层级：

# 提取第二层索引值，替换NaN为'Missing'
new_level1 = temp.index.get_level_values(1).replace(np.nan, 'Missing')
# 重新设置多层索引
temp = temp.set_index([temp.index.get_level_values(0), new_level1])

方法2：用rename的函数映射形式

rename支持传入函数来处理索引值，我们可以写一个简单的函数来判断并替换NaN：

def fix_nan_index(x):
    return 'Missing' if pd.isna(x) else x

# 对第二层索引应用这个替换函数
temp = temp.rename(index=fix_nan_index, level=1)

这两种方法都能成功把第二层索引里的np.nan替换成'Missing'，你可以根据自己的习惯选一种~

备注：内容来源于stack exchange，提问作者Saeed