如何强制Pandas MultiIndex删除行后像普通索引一样更新？

好问题！确实在Pandas里，普通索引和多级索引（MultiIndex）执行dropna()后的行为有差异：普通索引会自动移除已删除行对应的标签，但多级索引会保留所有原始层级的标签，哪怕有些标签已经没有对应的数据了。

要让MultiIndex也同步清理掉这些“无用”的标签，你可以使用MultiIndex的**remove_unused_levels()**方法，专门用来清理当前DataFrame中没有被使用的索引标签。

具体操作示例 #

先重现你的场景：

import pandas as pd
import numpy as np

# 构造多级索引
midx = pd.MultiIndex.from_tuples([('x', 'a'), ('x', 'b'), ('x', 'c'), ('y', 'a'), ('y', 'b'), ('y', 'c')])
df = pd.DataFrame([1, np.nan, 3, 4, np.nan, 6], columns=['A'], index=midx)

# 执行dropna
df_clean = df.dropna()
# 此时索引仍保留所有原始标签
print(df_clean.index)
# 输出：
# MultiIndex(levels=[['x', 'y'], ['a', 'b', 'c']],
#            codes=[[0, 0, 1, 1], [0, 2, 0, 2]])

接下来清理未使用的索引标签：

# 对索引调用remove_unused_levels并重新赋值
df_clean.index = df_clean.index.remove_unused_levels()

print(df_clean.index)
# 输出（已移除未使用的'b'标签）：
# MultiIndex(levels=[['x', 'y'], ['a', 'c']],
#            codes=[[0, 0, 1, 1], [0, 1, 0, 1]])

更简洁的链式写法 #

如果你想一步到位，可以用链式调用直接生成处理后的DataFrame：

df_clean = df.dropna().pipe(lambda df: df.set_index(df.index.remove_unused_levels()))

这个方法会遍历多级索引的每一层，自动移除那些没有对应数据行的标签，完美实现和普通索引一样的“自动更新”效果。

内容的提问来源于stack exchange，提问作者JSharm