当拼接具有相同层级名称但顺序不同的 MultiIndex DataFrame 时，pandas 默认会丢失部分索引名称；需先统一索引层级顺序（如用 reorder_levels），再执行 pd.concat，才能保留完整、一致的多级索引结构。
当拼接具有相同层级名称但顺序不同的 multiindex dataframe 时，pandas 默认会丢失部分索引名称；需先统一索引层级顺序（如用 `reorder_levels`），再执行 `pd.concat`，才能保留完整、一致的多级索引结构。
在使用 pd.concat() 合并多个多级索引（MultiIndex）DataFrame 时，一个常见陷阱是：即使各 DataFrame 的索引层级名称（names）完全相同，若层级顺序不一致，pandas 将无法自动对齐，导致拼接后索引名称丢失（显示为 None），甚至引发意外的数据错位或层级塌缩。
例如，df 的索引层级为 ['a', 'b', 'c']，而 df2 的索引层级为 ['a', 'c', 'b'] —— 表面看只是 'b' 和 'c' 位置互换，但 pd.concat([df, df2]) 会将结果索引降级为仅保留首个层级名 'a'，其余两级变为 None，最终得到 FrozenList(['a', None, None])。这是因为 pandas 在拼接时严格按层级位置（level position）而非层级名称（level name）进行对齐；名称相同但顺序不同，即视为“结构不兼容”。
✅ 正确做法是：在拼接前，显式将所有待合并 DataFrame 的索引层级重排为与基准 DataFrame 一致的顺序。推荐以第一个 DataFrame 的 index.names 为标准模板：
import pandas as pd # 构造示例数据 idx1 = pd.MultiIndex.from_product([['A1','A2','A3'], ['B1','B2','B3'], ['C1','C2','C3']], names=['a','b','c']) df = pd.DataFrame(1, idx1, columns=['2010', '2020']) idx2 = pd.MultiIndex.from_product([['A1','A2','A3'], ['C1','C2','C3'], ['B1','B2','B3']], names=['a','c','b']) df2 = pd.DataFrame(2, idx2, columns=['2010', '2020']) # ✅ 关键步骤：重排 df2 的索引层级，使其与 df 一致 result = pd.concat([df, df2.reorder_levels(df.index.names)]) print(result.index.names) # 输出：FrozenList(['a', 'b', 'c'])
对于多个 DataFrame（如 df, df2, df3, df4），可采用列表推导式批量标准化：
dfs = [df, df2, df3, df4] standard_names = dfs[0].index.names aligned_dfs = [d.reorder_levels(standard_names) for d in dfs] result = pd.concat(aligned_dfs)
⚠️ 注意事项：
- reorder_levels() 不修改原 DataFrame，返回新对象，因此需显式赋值或链式调用；
- 若某 DataFrame 缺失某个层级名（如 names=[None, 'b', 'c']），需先用 rename_axis() 补全，否则 reorder_levels 可能报错；
- 拼接后建议校验索引完整性：result.index.is_monotonic_increasing（可选）及 result.index.names 是否符合预期；
- 如需后续按层级分组或透视，统一的层级顺序是前提，否则 groupby(level='b') 等操作可能失效。
通过主动对齐索引层级顺序，而非依赖 pandas 自动推断，可确保多级索引语义清晰、结构稳定，是处理复杂层级数据拼接的稳健实践。
