pandas:条件选择使用带有多索引的.loc

使用 get_level_values()

>>> mask = (df.index.get_level_values(0)=='b') | (df.index.get_level_values(1)=='b') 
>>> df[mask]  # same as df.loc[mask]


        x   y
i0  i1      
a   b   2   5
b   a   4   3
    b   5   2
    c   6   1

我认为更简单的答案是使用 DataFrame.query 函数,用于按名称查询多个索引,如下所示:

import pandas as pd
import numpy as np

index = pd.MultiIndex.from_arrays([list("aaabbb"),
                                  list("abcabc")],
                                  names=['i0', 'i1'])
df = pd.DataFrame({'x': [1, 2, 3, 4, 5, 6], 'y': [6, 5, 4, 3, 2, 1]}, index=index)


df.query('i0 == "b" | i1 == "b"')

返回:

       x  y
i0 i1      
a  b   2  5
b  a   4  3
   b   5  2
   c   6  1

在索引列上的某些逻辑条件下,这可能是可能的 i0 和 i1 松开 .loc .但是对我来说 .iloc 似乎更容易:

你可以得到 iloc 通过索引 pd.MultiIndex.get_locs 是的。

import pandas as pd
import numpy as np

index = pd.MultiIndex.from_arrays([list("aaabbb"),
                                  list("abcabc")],
                                  names=['i0', 'i1'])
df = pd.DataFrame({'x': [1, 2, 3, 4, 5, 6], 'y': [6, 5, 4, 3, 2, 1]}, index=index)

idx0 = index.get_locs(['b', slice(None)])  # i0 == 'b' => [3, 4, 5]
idx1 = index.get_locs([slice(None), 'b'])  # i1 == 'b' => [1, 4]
idx = np.union1d(idx0, idx1)

print(df.iloc[idx])

会屈服的

       x  y
i0 i1      
a  b   2  5
b  a   4  3
   b   5  2
   c   6  1

注: slice(None) 意思与 [:] 在索引切片中。