如何在Multi-index DataFrame中通过三组条件筛选数据？

针对你提到的三级索引（Date/Letter/Number）DataFrame，以下几种方法可以实现多条件组合筛选：

方法1：loc结合索引层级判断 #

通过get_level_values分别获取每一级索引，结合区间判断和列表匹配条件，最终用逻辑与组合筛选：

# 定义筛选条件
date_start = "2015-01-01"
date_end = "2020-01-01"
target_letters = ["A", "B", "D", "G", "X"]
target_numbers = [1, 3, 5, 7, 9]

# 组合条件筛选
filtered_df = df.loc[
    (df.index.get_level_values("Date").between(date_start, date_end)) &
    (df.index.get_level_values("Letter").isin(target_letters)) &
    (df.index.get_level_values("Number").isin(target_numbers))
]

这种方法无需修改原始索引结构，直接基于索引层级做条件判断，兼容性强。

方法2：query语法实现简洁筛选 #

如果DataFrame的多级索引已正确命名，query方法可以用接近自然语言的语法完成筛选，可读性更高：

filtered_df = df.query(
    'Date >= "2015-01-01" and Date <= "2020-01-01" '
    'and Letter in ["A", "B", "D", "G", "X"] '
    'and Number in [1, 3, 5, 7, 9]'
)

注意：若Date索引是datetime类型，直接用日期字符串对比即可，pandas会自动解析匹配。

方法3：分步分层筛选 #

先对第一级索引（Date）做区间切片，再在结果中筛选后续层级的条件，适合需要保留中间结果的场景：

# 第一步：筛选日期区间
date_filtered = df.loc["2015-01-01":"2020-01-01"]
# 第二步：筛选字母和数字列表
filtered_df = date_filtered[
    date_filtered.index.get_level_values("Letter").isin(target_letters) &
    date_filtered.index.get_level_values("Number").isin(target_numbers)
]

补充说明 #

• 确保Date索引的类型为datetime64，日期区间切片和对比会更精准；若为字符串类型，需保证格式与筛选条件完全一致。
• xs方法更适合提取单个索引值，多列表/区间的组合筛选用上述方法更高效直接。

内容的提问来源于stack exchange，提问作者WWW