本文介绍在 Pandas 多级索引（MultiIndex）DataFrame 中，如何按前两级分组获取每组首个非空值，同时完整保留原始三级索引（即 (level0, level1, level2)），避免 groupby(...).first() 自动降级导致丢失最内层索引的问题。
本文介绍在 pandas 多级索引（multiindex）dataframe 中，如何按前两级分组获取每组首个非空值，同时**完整保留原始三级索引（即 `(level0, level1, level2)`）**，避免 `groupby(...).first()` 自动降级导致丢失最内层索引的问题。
在使用 groupby(level=[0, 1]).first() 处理多级索引 Series 时，Pandas 默认会丢弃被分组的层级以外的索引层级（此处为 level2），仅返回分组键 + 值，导致原始精细索引信息丢失。但实际业务中（如时间序列、ID嵌套结构、实验记录等），我们常需定位到“首个有效观测值”的完整坐标——例如 (user_id, session_id, timestamp) 中的精确 timestamp。
以下是三种稳健、可读性强且语义清晰的解决方案，均能返回带完整三级索引的结果：
✅ 方案一：dropna() + groupby.nth(0)（推荐）
先过滤掉 NaN，再按组取第 0 个元素，天然保留原始索引层级：
result = t.dropna(subset='c1').groupby(level=[0, 1])['c1'].nth(0)
✅ 优点：简洁、高效、语义明确；nth(0) 严格返回每组第一个非空项的原始索引。
⚠️ 注意：若某组全为 NaN，则该组不会出现在结果中（即自动跳过）。
✅ 方案二：groupby.apply() + dropna().iloc[[0]]
显式控制每组内部筛选与取值逻辑，灵活性更高：
result = (t['c1']
.groupby(level=[0, 1], group_keys=False)
.apply(lambda x: x.dropna().iloc[[0]])
)
✅ 优点：支持自定义逻辑（如取首个非空且满足某条件的值）；iloc[[0]] 返回 Series 保持索引对齐。
⚠️ 注意：group_keys=False 防止额外插入分组键作为索引层级，确保输出为纯三级 MultiIndex。
✅ 方案三：idxmax() 定位 + loc 索引（适合需保留 NaN 组的场景）
利用布尔掩码的 idxmax() 获取每组首个 True 的位置（即首个非空值索引），再通过 .loc 提取：
mask = t['c1'].notna() result = t.loc[mask.groupby(level=[0, 1]).idxmax(), 'c1']
✅ 优点：即使某组全为 NaN，idxmax() 会抛出 ValueError，便于显式捕获异常；逻辑底层可控。
⚠️ 注意：需确保每组至少有一个非空值，否则需配合 try/except 或 min_count=1 等容错处理。
所有方案输出均为：
1 1 1 1.0 2 9 2.0 2 1 7 4.0 4 2 2 6.0 Name: c1, dtype: float64
完美匹配目标格式——三级索引完整保留，值为各 (level0, level1) 组内首个非空 c1 对应的原始值。
? 总结建议：
- 优先使用 方案一（
dropna().groupby().nth(0)），代码最简、性能最优、意图最清晰； - 若需扩展逻辑（如“首个非空且 > 0”），选 方案二；
- 若需严格区分“无数据”与“全 NaN”，或集成进异常流处理，可采用 方案三。
切勿依赖first()处理含 NaN 的多级索引——它本质是聚合操作，会主动简化索引结构；而上述方法均基于选择（selection），自然继承原始索引层次。
