如何用不同层级的MultiIndex筛选Pandas多层索引DataFrame

我有一个包含三级索引（a, b, c）的DataFrame：

d
a b c   
1 9 4  1
2 8 2  4
3 7 5  2
4 6 4  5
5 5 6  3
6 4 5  6
7 3 7  4
8 2 6  7
9 1 8  5

同时有一个仅包含二级（a, b）的MultiIndex对象：

MultiIndex([(1, 9),
            (2, 8),
            (3, 7),
            (4, 6),
            (9, 1)],
           names=['a', 'b'])

尝试直接用df.loc[select_this]筛选时，会报错：

ValueError: operands could not be broadcast together with shapes (5,2) (3,) (5,2)

虽然可以通过重置索引实现需求：

selected = df1.reset_index('c').loc[select_this].set_index('c', append=True)

但希望避免额外的reset_index和set_index操作，以下是几种更直接的解决方案：

方法1：使用IndexSlice通配匹配 #

利用pandas.IndexSlice可以在多级索引中灵活指定筛选规则，通配符:表示匹配当前层级的所有值：

import pandas as pd

idx = pd.IndexSlice
selected = df1.loc[idx[select_this, :], :]

方法2：布尔索引+get_level_values #

提取前两级索引，通过isin判断是否在目标MultiIndex中，生成布尔掩码筛选：

mask = df1.index.get_level_values(['a', 'b']).isin(select_this)
selected = df1[mask]

方法3：query方法（可读性优先） #

将目标MultiIndex转为列表后，用query直接匹配元组条件：

tuples_list = select_this.to_list()
selected = df1.query('(a, b) in @tuples_list')

以上三种方法都能得到和重置索引相同的结果，且无需修改原DataFrame的索引结构。

内容的提问来源于stack exchange，提问作者user171780