Pandas单级多级索引为何会改变数据类型？

这确实是Pandas 0.21版本里一个容易让人困惑的细节，我来帮你梳理背后的原因：

首先，我们先明确你代码里的核心差异：你给x用了单级MultiIndex（通过双层列表[[date_obj]]构造），给y用了普通的一维索引。在Pandas 0.21中，这两种索引对传入的Python原生datetime.date对象的处理逻辑是不一样的：

• 普通索引（y的情况）：Pandas会自动将Python的datetime.date对象转换为自身的pandas._libs.tslib.Timestamp类型（也就是我们常说的Pandas Timestamp）。这是因为Pandas倾向于用自研的时间类型来优化索引的性能、对齐和运算能力，所以在创建普通索引时会触发类型推断与转换。
• 单级MultiIndex（x的情况）：在0.21这个版本中，MultiIndex的构造逻辑没有对单级索引做同样的自动转换，而是直接保留了你传入的原始datetime.date对象类型。这属于早期版本中索引模块的逻辑不一致问题。

对应你代码的打印结果，应该会是这样：

<class 'datetime.date'>
<class 'datetime.date'>
<class 'pandas._libs.tslib.Timestamp'>

完全符合你描述的“类型不一致”现象。

补充说明：这个问题在后续的Pandas版本（比如0.23及以后）已经被修复，两种索引的类型处理逻辑变得更统一，不会再出现这种单元素索引下的类型差异。如果你需要在0.21版本里让两者类型一致，可以手动将索引转换为统一类型，比如：

• 给y的索引显式转成date类型：y.index = y.index.date
• 或者给x的MultiIndex转成Timestamp类型：x.index = pd.MultiIndex.from_tuples([(pd.Timestamp(idx),) for idx in x.index.get_level_values(0)])

内容的提问来源于stack exchange，提问作者tschm