如何简化获取指定Ticker与财年的DataFrame单元格值的表达式？

目标DataFrame #

df
                    SimFinId Currency  Fiscal Year  ... Net Extraordinary Gains (Losses)  Net Income Net Income (Common)
Ticker Report Date                                  ...                                                                 
A      2018-10-31      45846      USD         2018  ...                              NaN   316000000           316000000
       2019-10-31      45846      USD         2019  ...                              NaN  1071000000          1071000000
       2020-10-31      45846      USD         2020  ...                              NaN   719000000           719000000
       2021-10-31      45846      USD         2021  ...                              NaN  1210000000          1210000000
       2022-10-31      45846      USD         2022  ...                              NaN  1254000000          1254000000
...                      ...      ...          ...  ...                              ...         ...                 ...
ZYXI   2018-12-31     171401      USD         2018  ...                              NaN     9552000             9552000
       2019-12-31     171401      USD         2019  ...                              NaN     9492000             9492000
       2020-12-31     171401      USD         2020  ...                              NaN     9074000             9074000
       2021-12-31     171401      USD         2021  ...                              NaN    17103000            17103000
       2022-12-31     171401      USD         2022  ...                              NaN    17048000            17048000

需求与原表达式 #

需求：获取Ticker为A、Fiscal Year为2019的Net Income (Common)单元格值。

原使用表达式：

df[df['Fiscal Year'] == 2019].loc['A','Net Income (Common)'].values[0]
1071000000

简化方案 #

以下是几种更简洁清晰的写法，均能得到结果1071000000：

方案一：先定位Ticker子集，再筛选年份取值 #

利用多级索引特性先缩小数据范围，再通过直观方式定位目标值：

# query语法更贴近自然语言
df.loc['A'].query("`Fiscal Year` == 2019")['Net Income (Common)'].iloc[0]

# 或用布尔索引
df.loc['A'][df.loc['A']['Fiscal Year'] == 2019]['Net Income (Common)'].iloc[0]

方案二：直接用query多条件查询 #

通过query一次性组合两个筛选条件，列名含空格时用反引号包裹：

df.query("Ticker == 'A' and `Fiscal Year` == 2019")['Net Income (Common)'].iloc[0]

方案三：结合loc与索引层级筛选 #

通过索引层级获取Ticker条件，配合Fiscal Year的布尔索引完成查询：

df.loc[df.index.get_level_values('Ticker') == 'A', 'Net Income (Common)'][df['Fiscal Year'] == 2019].iloc[0]

其中方案一和方案二的可读性最优，推荐优先使用。

内容的提问来源于stack exchange，提问作者showkey