关于MultiIndex的资料并不太多，官方文档链接请点这里查看。
最近在使用MultiIndex时遇到的一个问题，先描述一下数据格式。我使用MultiIndex DataFrame来存储股票未来N天的收益率，变量命名为returns，数据样例如下，columns 1d和5d分别表示未来1天和5天的股票收益率，index为MultiIndex，第一级索引为日期，第二级索引为股票代码。
1d 5d
2005-01-04 000001.XSHE -0.009202 0.010736
000002.XSHE 0.036053 0.045541
000004.XSHE 0.020896 0.068657
000005.XSHE 0.023474 0.098592
000006.XSHE 0.014286 0.178571
... ... ...
2020-12-11 688600.XSHG NaN NaN
688777.XSHG NaN NaN
688788.XSHG NaN NaN
688981.XSHG NaN NaN
689009.XSHG NaN NaN
对returns用start=‘2020-01-01’、end='2020-12-11’起止时间做了截断处理，代码片段如下：
returns_index = returns.index.get_level_values(level=0)
returns = returns.loc[(returns_index > pd.to_datetime(start)) & (returns_index < pd.to_datetime(end))]
这样获取的数据是从2020年开始的，但是使用returns.index.levels[0]发现数据还是从2005年开始的
returns.index.levels[0]
DatetimeIndex(['2005-01-04', '2005-01-05', '2005-01-06', '2005-01-07',
'2005-01-10', '2005-01-11', '2005-01-12', '2005-01-13',
'2005-01-14', '2005-01-17',
...
'2020-11-30', '2020-12-01', '2020-12-02', '2020-12-03',
'2020-12-04', '2020-12-07', '2020-12-08', '2020-12-09',
'2020-12-10', '2020-12-11'],
dtype='datetime64[ns]', length=3875, freq=None)
想了想，应该是由于index索引不可变，这里需要重建MultiIndex DataFrame，需要用到pandas.MultiIndex.remove_unused_levels() 方法先删除掉index里多余的信息，然后再重新创建MultiIndex DataFrame，代码如下：
tmp = returns.index.remove_unused_levels()
tmp = returns.index.remove_unused_levels()
returns = pd.DataFrame(returns, tmp)
returns.index.levels[0]
DatetimeIndex(['2020-01-02', '2020-01-03', '2020-01-06', '2020-01-07',
'2020-01-08', '2020-01-09', '2020-01-10', '2020-01-13',
'2020-01-14', '2020-01-15',
...
'2020-11-27', '2020-11-30', '2020-12-01', '2020-12-02',
'2020-12-03', '2020-12-04', '2020-12-07', '2020-12-08',
'2020-12-09', '2020-12-10'],
dtype='datetime64[ns]', length=228, freq=None)
看输出结果已经获取到了正确的时间范围内的数据。
