可以使用get_duplicates()方法：

>>> df.index.get_level_values('instance').get_duplicates()
[0, 1]

(In我的示例数据0和1都出现了多次。）
get_level_values()方法可以接受标签（如'instance'）或整数，并检索MultiIndex的相关部分。

假设你的df有一个由'instance'和'index'组成的索引，你可以这样做：

df1 = df.reset_index().pivot_table(index=['instance','index'], values='A', aggfunc='count')
df1[df1 > 1].index.get_level_values(0).drop_duplicates()

其结果为：

Index([u'b'], dtype='object')

在末尾添加.values（.drop_duplicates().values）将生成一个数组：

array(['b'], dtype=object)

或者使用.groupby对一行执行相同操作：

df[df.groupby(level=['instance','index']).count() > 1].dropna().index.get_level_values(0).drop_duplicates()

这应该会给予你一整行，这是不完全是你所要求的，但可能是足够接近：
df[df.index.get_level_values('instance').duplicated()]

您需要复制的方法：

df['Instance'].duplicated()

要查看具有重复索引的行：

duplicated = df[df.index.duplicated()]