df.dropna多层索引

df.dropna方法可以用于删除包含缺失值的行或列。当数据具有多层索引时，你可以通过指定`level`参数来选择删除哪一层索引上包含缺失值的行或列。

下面是一个示例：

import pandas as pd

# 创建一个具有多层索引的DataFrame
data = {'A': [1, 2, None, 4],
        'B': [5, None, 7, None]}
index = pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('b', 1), ('b', 2)], names=['key1', 'key2'])

df = pd.DataFrame(data, index=index)
print(df)

# 删除包含缺失值的行
df_dropped_rows = df.dropna()
print(df_dropped_rows)

# 删除包含缺失值的列
df_dropped_cols = df.dropna(axis=1)
print(df_dropped_cols)

# 删除指定层索引上包含缺失值的行
df_dropped_level = df.dropna(level='key1')
print(df_dropped_level)

输出结果：

         A    B
key1 key2      
a    1   1  5.0
     2   2  NaN
b    1   NaN  7.0
     2   4  NaN

         A    B
key1 key2      
a    1   1  5.0

         A
key1 key2      
a    1   1
     2   2
b    1   NaN
     2   4

         A    B
key1 key2      
a    1   1  5.0
     2   2  NaN
b    1   NaN  7.0

这个示例中，我们创建了一个具有多层索引的DataFrame，并使用`dropna`方法删除了包含缺失值的行或列。在删除行时，我们也可以通过`level`参数指定删除哪一层索引上包含缺失值的行。