如何在Pandas多索引（MultiIndex）中使用ffill方法？

Great question! 其实完全不需要移除多索引里的非日期字段就能完成FFill填充——Pandas的重采样和填充工具对多索引的支持已经很完善了，关键是要明确按哪个维度重采样，并正确指定分组逻辑。下面给你拆解具体操作：

核心思路：分组+指定时间层级重采样 #

假设你的多索引结构是类似['资产ID', '行业分类', '日期']（前两个是业务维度，最后一个是时间维度），操作步骤如下：

1. 直接按非日期索引层级分组，再重采样 #

你可以通过groupby(level=[...])指定所有需要分组的非日期索引字段，然后用resample的level参数明确要对哪个时间维度的索引做重采样，最后调用ffill()即可：

# 假设df是带多索引（资产ID, 行业分类, 日期）的DataFrame
filled_df = df.groupby(level=['资产ID', '行业分类']).resample('D', level='日期').ffill()

这样操作后，你的多索引结构会完整保留，同时每个资产+行业组合的日期范围都会被填充，缺失值也会按前值填充。

2. 如果日期不是多索引的最后一层怎么办？ #

如果你的多索引日期不在最后一位（比如['日期', '资产ID', '行业分类']），可以先调整索引顺序，把日期放到最后，再执行上述操作：

# 调整多索引层级顺序，将日期移至最后
df = df.reorder_levels(['资产ID', '行业分类', '日期'])
# 再执行分组重采样填充
filled_df = df.groupby(level=['资产ID', '行业分类']).resample('D', level='日期').ffill()

或者，你也可以在resample中直接指定level='日期'，不需要调整顺序，但调整后逻辑更清晰，后续操作也更方便。

3. 验证结果 #

填充完成后，你可以用filled_df.index查看多索引是否完整保留，用filled_df.isnull().sum()确认缺失值是否被填充。

总结 #

完全不需要移除多索引中的非日期字段，只要：

• 用groupby(level=...)指定所有需要分组的业务维度索引
• 用resample(..., level='日期')明确时间重采样的索引层级
• 最后调用ffill()完成填充

这样就能在保留完整多索引结构的前提下，完成日期范围填充和缺失值前向填充。

内容的提问来源于stack exchange，提问作者Jim O