为何Pandas MultiIndex数据框.loc赋值无法实现(i,j)与(j,i)行相等？

你的代码核心问题在于过滤后的idx1和idx2元素顺序不匹配，导致按顺序赋值时出现错位：

1. 过滤后，idx1是原索引中存在对应反向索引的项，比如[(1,1), (1,2), (2,1), (2,2)]；
2. idx2是对应的反向索引列表，比如[(1,1), (2,1), (1,2), (2,2)]；
3. 执行df.loc[idx2] = df.loc[idx1].values时，是把idx1列表第n个元素的值直接赋值给idx2列表第n个元素的位置，而非将每个(j,i)赋值为对应(i,j)的值。例如idx2中的(2,1)被赋了idx1中(1,2)的值，idx2中的(1,2)被赋了idx1中(2,1)的值；
4. 最终比较时，df.loc[idx1]和df.loc[idx2]的values数组顺序错位，因此返回False。

要让每个(i,j)和(j,i)的行相等，需确保每个反向索引(j,i)都被赋值为对应原索引(i,j)的值，以下是两种可行方案：

方案1：精准映射反向索引赋值 #

直接遍历反向索引，找到对应的原索引后赋值：

np.random.seed(0)
idx1 = pd.MultiIndex.from_product([list(range(3)), list(range(1,4))])
df = pd.DataFrame(np.random.randint(0,100,9*2).reshape(9,2), index=idx1)

# 筛选出存在对应反向索引的项
valid_pairs = [pair for pair in idx1 if (pair[1], pair[0]) in idx1]
# 生成对应的反向索引列表
reverse_pairs = [(pair[1], pair[0]) for pair in valid_pairs]

# 为每个反向索引赋值对应原索引的值
df.loc[reverse_pairs] = df.loc[valid_pairs].values

# 验证所有对称行相等
print(all(df.loc[pair].equals(df.loc[(pair[1], pair[0])]) for pair in valid_pairs))

方案2：用reindex自动匹配索引 #

利用reindex按索引匹配取值，避免顺序错位：

np.random.seed(0)
idx1 = pd.MultiIndex.from_product([list(range(3)), list(range(1,4))])
df = pd.DataFrame(np.random.randint(0,100,9*2).reshape(9,2), index=idx1)

# 生成所有反向索引
reverse_idx = pd.MultiIndex.from_tuples([(j,i) for (i,j) in idx1])
# 过滤出原索引中存在的反向索引
valid_reverse_idx = reverse_idx[reverse_idx.isin(idx1)]

# 按索引匹配取值后赋值
df.loc[valid_reverse_idx] = df.reindex([(j,i) for (i,j) in valid_reverse_idx]).values

# 验证结果
print(np.all(df.loc[[(j,i) for (i,j) in valid_reverse_idx]].values == df.loc[valid_reverse_idx].values))

额外优化：合并对称行的值（可选） #

如果希望对称行取两者的均值（或其他合并方式）而非直接覆盖，可以这样做：

for pair in valid_pairs:
    reverse_pair = (pair[1], pair[0])
    if pair != reverse_pair:  # 跳过(i,i)这类自对称索引
        mean_val = (df.loc[pair] + df.loc[reverse_pair]) / 2
        df.loc[pair] = mean_val
        df.loc[reverse_pair] = mean_val

内容的提问来源于stack exchange，提问作者nicholas sterling