过滤后Unstack Pandas多层索引DataFrame时出现越界错误，求解决

我来帮你分析问题并给出修复方案：

问题根源 #

你遇到的索引错误，核心原因是dropna(axis=1)的默认行为过于激进：它默认使用how='any'参数，会删除任何包含空值的列。如果你的指标列中只要有一个空值就会被删掉，极端情况下可能把所有列都清空，导致后续执行unstack(level='Symbol')时没有列可以操作，触发索引相关的报错。而去掉这行代码时，所有列都保留，unstack自然能正常运行。

修复方案 #

方案1：只删除全空的列（推荐） #

修改dropna的how参数为'all'，这样只会删除那些所有行都是空值的列，保留至少有一个非空值的列，确保unstack有可处理的列：

ds = ds.stack(level='Symbol')
# 替换原dropna行，只删除全空列，避免inplace操作
ds = ds.dropna(axis=1, how='all')
ds = ds.unstack(level='Symbol')
ds.head()

方案2：调整操作顺序（按需选择） #

如果你确实需要删除任何包含空值的列，可以把dropna步骤提前到stack之前，这样逻辑更清晰，也能避免后续索引问题：

ds = ds.unstack(level='Symbol')
ds.columns = ds.columns.swaplevel(0, 1)
ds = ds[start:end]
ds = ds[equities]
# 先删除含空值的列，再执行stack/unstack
ds = ds.dropna(axis=1, how='any')
ds = ds.stack(level='Symbol')
ds = ds.unstack(level='Symbol')
ds.head()

额外小贴士 #

尽量避免使用inplace=True，它可能导致DataFrame结构意外变化，在链式操作中更容易引发隐性问题。直接重新赋值给变量，代码会更清晰、更安全。

内容的提问来源于stack exchange，提问作者J. Vasquez