MultiIndex索引对不上行数据主因是索引数组长度不一致或元组嵌套错位；.xs()报错多因层级名、位置或值类型不匹配；groupby需用level参数和observed=True保层级；to_excel错位应选xlsxwriter引擎并手动处理列头。
MultiIndex创建时为什么索引对不上行数据？
常见现象是调用 pd.MultiIndex.from_tuples() 或 pd.MultiIndex.from_arrays() 后，DataFrame 的行数突然变少，或部分值变成 NaN。根本原因通常是传入的索引数组长度不一致，或元组中嵌套层级错位。
实操建议：
- 用
len()显式检查每个层级数组长度是否相等，例如：len(years) == len(quarters) == len(regions) - 避免直接拼接字符串生成元组，改用
zip()构造：pd.MultiIndex.from_tuples(list(zip(years, quarters, regions))) - 如果从 Excel 或 CSV 读取原始数据含多列作为索引，优先用
pd.read_csv(index_col=[0,1,2])，而非读入后再设索引
用 .xs() 提取子集时为何报 KeyError 或返回空？
.xs() 对层级名、层级位置、关键字类型极其敏感。比如在索引名为 ('year', 'quarter') 的 MultiIndex 上执行 df.xs('2023', level='year') 失败，往往是因为实际层级名是字符串 'year'，但数据中该层值是整型 2023，类型不匹配。
实操建议：
- 先用
df.index.names确认层级名，用df.index.get_level_values(0).unique()查看真实值及其类型 - 指定
drop_level=False可保留被切掉的层级为新 DataFrame 的列，便于调试：df.xs('Q1', level='quarter', drop_level=False) - 要提取多个值（如同时取 'Q1' 和 'Q2'），别用
.xs()，改用布尔索引：df[df.index.get_level_values('quarter').isin(['Q1','Q2'])]
groupby 后如何保留所有层级并聚合到指定层？
默认 df.groupby(['year', 'region']).sum() 会把分组列自动提升为索引，但如果原 DataFrame 已有三层索引（year/quarter/region），直接 groupby 会丢失未参与分组的层级（如 quarter），且结果索引结构混乱。
实操建议：
- 用
df.groupby(level=['year', 'region'], observed=True).sum()显式按层级名分组，observed=True可避免引入空组合 - 若需降维聚合（如按 year 汇总，但保留 quarter 层级结构），用
df.groupby(level='year').sum()+df.unstack('quarter').sum(axis=1)组合更可控 - 聚合后索引名可能丢失，手动补上：
result.index.names = ['year']
to_excel 输出时多级列头错位或合并失效？
导出含 MultiIndex 列的 DataFrame 到 Excel 时，常出现列头只显示最内层、外层标签被截断，或 Excel 中未自动合并单元格——这并非 Pandas 错误，而是 openpyxl/xlsxwriter 引擎对多级索引的支持限制。
实操建议：
- 强制使用
xlsxwriter引擎（它对 MultiIndex 列支持更好）：df.to_excel('report.xlsx', engine='xlsxwriter') - 若仍错位，先重置列索引再手动写入：
df.columns = ['_'.join(col).strip() for col in df.columns.values] - 需要真正合并单元格样式，Pandas 无法直接实现，得用
xlsxwriter手动操作工作表对象，这是绕不开的额外步骤
复杂报表里真正难的不是构造 MultiIndex，而是后续所有操作都必须同步考虑层级对齐、类型一致、引擎兼容这三件事。漏查其中任一环，都会在下游某个看似无关的操作里突然崩掉。
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！
