如何使用字典过滤多层索引的Pandas DataFrame？

构造示例DataFrame #

首先构造包含多层索引的示例DataFrame：

import pandas as pd

mi = pd.MultiIndex(
    levels =  [[1, 2, 3], ['red', 'green', 'blue'], ['a', 'b', 'c']], 
    codes = [[1,0,1,0], [0,1,1,2], [1,0,0,1]],
    names = ["Key1", "Key2", "Key3"])
df = pd.DataFrame({
    "values": [1, 2, 3, 4]
}, index = mi)

该DataFrame的结构如下：

values
Key1 Key2  Key3       
2    red   b        1
1    green a        2
2    green a        3
1    blue  b        4

已知的手动过滤方式 #

可以通过手动构造索引层级的过滤条件实现筛选，示例代码如下：

df[
    df.index.get_level_values("Key1").isin([1]) &
    df.index.get_level_values("Key2").isin(["green"]) 
]

需求说明 #

需要编写通用函数，通过传入类似{"Key1":1, "Key2":"green"}的字典实现过滤，要求：

• 不能硬编码过滤的层级数量
• 支持传入单个条件（如{"Key1":1}或{"Key2":"green"}）

解决方案 #

方法一：循环构建过滤掩码 #

通过遍历条件字典，逐步构建过滤掩码，逻辑清晰易理解：

def filter_multi_index(df, conditions):
    # 初始化全True的掩码
    mask = pd.Series([True] * len(df), index=df.index)
    for level, value in conditions.items():
        # 处理单个值的情况，统一转为列表
        if not isinstance(value, (list, tuple)):
            value = [value]
        # 叠加当前层级的过滤条件
        mask &= df.index.get_level_values(level).isin(value)
    return df[mask]

方法二：用reduce组合谓词 #

借助functools.reduce和逻辑运算符，实现更简洁的条件组合：

from functools import reduce
import operator

def filter_multi_index(df, conditions):
    predicates = []
    for level, value in conditions.items():
        # 统一处理单个值和多值的情况
        val_list = value if isinstance(value, (list, tuple)) else [value]
        predicates.append(df.index.get_level_values(level).isin(val_list))
    # 用逻辑与组合所有条件
    mask = reduce(operator.and_, predicates)
    return df[mask]

测试示例 #

• 多条件筛选：

filter_multi_index(df, {"Key1":1, "Key2":"green"})

输出结果：

values
Key1 Key2  Key3       
1    green a        2

• 单个条件筛选：

filter_multi_index(df, {"Key1":2})

输出结果：

values
Key1 Key2  Key3       
2    red   b        1
2    green a        3

内容的提问来源于stack exchange，提问作者butterflyknife