如何基于二级索引列表筛选Pandas三级MultiIndex数据？

给定如下Pandas代码：

import pandas as pd
import numpy as np
np.random.seed(0)
idx = pd.MultiIndex.from_product([[1,2,3], ['a', 'b', 'c'], [6, 7]])
df = pd.DataFrame(np.random.randn(18), index=idx)
selection = [(1, 'a'), (2, 'b')]

需要筛选出索引前缀匹配selection中任意元素的行，目标索引为：

(1, 'a', 6), (1, 'a', 7), (2, 'b', 6), (2, 'b', 7)

推荐两种更贴合Pandas向量化操作习惯的写法：

方法一：get_level_values + isin组合 #

df.loc[df.index.get_level_values([0, 1]).isin(selection)]

方法二：Pandas 1.5.0+ 专属简化写法 #

如果你的Pandas版本不低于1.5.0，可直接在isin中指定匹配的索引层级，代码更直观：

df.loc[df.index.isin(selection, level=[0, 1])]

• 原方法的列表推导式属于逐元素遍历的循环操作，数据量较大时，效率远低于Pandas的向量化API
• 上述两种写法均采用Pandas内置的向量化操作，代码更简洁易读，完全贴合Pandas的惯用风格

内容的提问来源于stack exchange，提问作者Chachni