合并不同索引层级的MultiIndex DataFrames遇NotImplementedError问题

我完全懂你碰到的这个坑——当你试着把分组得到的两级MultiIndex结果和原三级MultiIndex的DataFrame用join合并时，pandas会因为索引层级不匹配抛出NotImplementedError。核心原因是join默认要求两边的索引完全对齐，但你的原DataFrame索引多了quarter这一级，分组后的结果却没有，自然没法直接对接。

这里给你两种实用的解决方案，首推第一种最省心的：

方案一：用transform直接生成新列（强烈推荐） #

transform方法会自动把分组计算的结果广播到原DataFrame的每一行，完全不需要手动处理合并逻辑，完美适配MultiIndex场景：

# 直接在原DataFrame中添加emp_rate_mean列
df1['emp_rate_mean'] = df1.groupby(level=['occ', 'statefip'])['emp_rate'].transform('mean')

执行后，每个(occ, statefip)组的均值会自动填充到该组的每一行，完全符合你的需求，代码还特别简洁。

方案二：调整索引对齐后再用join #

如果你一定要用join，可以通过reindex让分组结果匹配原DataFrame的索引层级，这样就能顺利完成连接：

# 先计算分组均值并重命名列
df2 = df1.groupby(level=[0, 1])['emp_rate'].mean().rename('emp_rate_mean')
# 用reindex扩展df2的索引到和df1一致，自动按(occ, statefip)层级填充均值
df1 = df1.join(df2.reindex(df1.index, level=[0, 1]))

或者你也可以先把索引重置为普通列，用merge合并后再恢复MultiIndex：

# 重置原DataFrame索引为普通列
df_reset = df1.reset_index()
# 计算分组均值并转为普通DataFrame
mean_df = df_reset.groupby(['occ', 'statefip'])['emp_rate'].mean().reset_index(name='emp_rate_mean')
# 合并后重新设置MultiIndex
df_result = df_reset.merge(mean_df, on=['occ', 'statefip']).set_index(['occ', 'statefip', 'quarter'])

原代码报错的原因 #

你的原代码里，df1的索引是三级（occ, statefip, quarter），而分组得到的df2是两级索引（occ, statefip）。调用df1.join(df2)时，pandas会尝试按完整索引对齐，但两边的索引层级数量不同，这种跨层级的MultiIndex连接在部分pandas版本中还没完全实现，所以就抛出了NotImplementedError。

内容的提问来源于stack exchange，提问作者FooBar