如何对多级列索引DataFrame的二级value列执行标量运算？

问题背景 #

有如下多级列索引的DataFrame：

import pandas as pd

df = pd.DataFrame({('a', 'status'): [0.1, 0.2, 0.3],
                   ('a', 'value'): [1.1, 1.2, 1.3],
                   ('b', 'status'): [0.1, 0.2, 0.3],
                   ('b', 'value'): [2.1, 2.2, 2.3],
                   ('c', 'status'): [0.1, 0.2, 0.3]})

目标是对所有第二级索引为value的列执行标量加法/乘法运算，但直接索引或iloc操作均失败：

# 失败尝试1
df[(None, 'value')] += 2
# 报错：KeyError: 2

# 失败尝试2
df.iloc[:, (None, 'value')] += 2
# 报错：IndexingError: Too many indexers

# 失败尝试3
df.columns.levels[1] == 'value'
# 输出：array([False,  True])
# 该方法无法适配实际的多列场景

解决方案 #

方法1：利用get_level_values筛选列 #

通过列索引的get_level_values方法定位第二级为value的列，直接执行运算：

# 筛选第二级索引为'value'的列
value_cols = df.columns.get_level_values(1) == 'value'
# 执行加法运算
df.loc[:, value_cols] += 2
# 执行乘法运算：df.loc[:, value_cols] *= 2

此方法可精准匹配所有符合条件的列，不受第一级索引数量限制，适配任意多列场景。

方法2：使用xs方法提取子列后运算 #

xs方法提取指定层级的子DataFrame，设置drop_level=False保留多级索引，运算后赋值回原DataFrame：

# 提取所有第二级为'value'的列，保留多级索引
value_df = df.xs('value', level=1, axis=1, drop_level=False)
# 执行运算
value_df += 2
# 赋值回原DataFrame
df[value_df.columns] = value_df

该方法逻辑直观，适合需要先查看子列数据再执行运算的场景。

方法3：遍历列名元组匹配 #

通过列表推导收集所有符合条件的列名元组，再执行运算：

# 收集第二级为'value'的列名元组
target_cols = [col for col in df.columns if col[1] == 'value']
# 执行运算
df[target_cols] += 2

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