Pandas多层索引筛选：结合二级索引切片与列值条件

这里提供几种简洁的方法来同时满足你的两个筛选条件：

方法1：使用loc + IndexSlice（推荐，索引操作更高效） #

当你的MultiIndex包含Lane_ID和Frame_ID两个层级时，用pd.IndexSlice可以灵活跨层级指定条件：

import pandas as pd

# 定义目标Lane_ID值
target_lane = 3

# 初始化索引切片器
idx = pd.IndexSlice
# 筛选Frame_ID在200-300之间，且Lane_ID等于target_lane的行（假设Lane_ID是一级索引）
filtered_df = df.loc[idx[target_lane, 200:300], :]
# 如果层级顺序是Frame_ID在前、Lane_ID在后，调整为：
# filtered_df = df.loc[idx[200:300, target_lane], :]

方法2：使用query方法（语法更直观） #

query支持直接用索引层级名称写条件，代码可读性更高：

target_lane = 3
filtered_df = df.query('Lane_ID == @target_lane and Frame_ID between 200 and 300')

注意这里用@符号引用外部变量target_lane。

方法3：布尔索引组合 #

把两个条件的布尔序列按位与，直接筛选：

target_lane = 3
mask = (df.index.get_level_values('Frame_ID').between(200, 300)) & \
       (df.index.get_level_values('Lane_ID') == target_lane)
filtered_df = df[mask]

这种方式适合需要扩展更复杂条件的场景。

内容的提问来源于stack exchange，提问作者evan