.xs() 报 keyerror 是因默认只查最外层索引且不保留该层级；需显式指定 level= 参数，多条件筛选应改用 .query() 或布尔索引配合 get_level_values()。
用 .xs() 提取单层切片时为什么报 KeyError？
因为 .xs() 默认只查找最外层索引，且不保留被选中的索引层级。如果目标值不在第一级索引中，就会直接抛 KeyError。比如对两级索引 df.index.names == ['country', 'year']，执行 df.xs('2022', level='year') 是合法的；但若写成 df.xs('2022')（没指定 level），Pandas 会默认查第一级 'country'，自然找不到。
实操建议：
- 必须显式传入
level=参数，尤其是当目标键不在最外层时 - 加
drop_level=False可保留该层级为 DataFrame 的列（否则它会被“压平”成普通列） - 若需同时按多层条件筛选，
.xs()不适用——它一次只能处理一层
用 .query() 做多条件过滤时索引名要加 @ 吗？
不用。在 .query() 中，索引字段直接当列名用，无需 @；只有引用外部变量才需要。例如 df.query("country == 'CN' and year > 2020") 能直接运行；但若想用变量 target_year = 2021，就得写成 df.query("year > @target_year")。
注意点：
-
.query()对多级索引友好，但要求索引名是合法的 Python 标识符（不能含空格、连字符等） - 如果索引名是
'region id'这种带空格的，得先重命名：df.index.names = ['region_id'] - 性能上，
.query()在大数据集上通常比布尔索引快，但首次调用有解析开销
用 .loc[] 切片多级索引时为什么返回空或报错？
常见原因是传入的元组格式不对，或层级顺序与索引定义不一致。Pandas 要求 .loc[ 后的元组必须严格匹配索引层级顺序，且缺失层级要用 : 占位。
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
例如索引为 MultiIndex.from_tuples([('A', 2020), ('A', 2021), ('B', 2020)], names=['group', 'year'])：
- ✅ 正确：
df.loc[('A', 2020)]（取单行）、df.loc[('A', slice(None)), :]（取 group='A' 所有年份） - ❌ 错误：
df.loc[(2020, 'A')]（顺序反了）、df.loc['A', 2020]（没包成元组） - ⚠️ 注意：
df.loc['A']看似简单，但它只在第一级存在且未歧义时才安全；若第一级有重复值或想明确限定层级，优先用元组+slice
用布尔索引做复杂条件筛选时，index.get_level_values() 怎么用？
这是最灵活也最容易出错的方式。直接对 df.index.get_level_values('year') 返回的是 Index 对象，支持 ==、isin()、str.contains() 等操作，但不能直接用 & 连接多个条件——必须用括号包住每个子表达式。
示例：
mask = (df.index.get_level_values('country').isin(['CN', 'US'])) & \
(df.index.get_level_values('year') >= 2021)
result = df[mask]
关键提醒：
- 少一个括号就会触发
TypeError: cannot determine truth value of Index -
get_level_values()返回的是视图，修改它不会影响原索引 - 若层级名含特殊字符，必须用数字序号代替，如
df.index.get_level_values(0)
多级索引的筛选逻辑本身不难，难的是每次都要核对层级顺序、名称合法性、以及运算符优先级——这些地方一松懈，KeyError 或空结果就立刻出现。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
