Pandas MultiIndex查询：第一级等值匹配+第二级isin集合筛选

问题场景 #

给定如下带有多层索引（MultiIndex）的Series：

import pandas as pd

first_key = ['a', 'b', 'c']
second_key = [1, 2, 3]

m_index = pd.MultiIndex.from_product([first_key, second_key],
                                     names=['first_key', 'second_key'])

series_with_index = pd.Series(0.0, index=m_index)

需要实现：将第一级索引为'a'且第二级索引属于集合{2, 3, 4}的所有值设置为1.0（注：第二级索引中不存在4，因此仅对存在的2、3生效）。

解决方案 #

下面提供三种简洁的实现方式：

方法1：使用pd.IndexSlice（推荐，可读性高） #

IndexSlice是pandas专为多层索引设计的工具，能清晰表达复杂的索引筛选逻辑：

idx = pd.IndexSlice
series_with_index.loc[idx['a', [2, 3, 4]]] = 1.0

• 第一级索引直接指定'a'做等值匹配
• 第二级传入列表[2,3,4]，自动匹配属于该集合的索引项，忽略不存在的4

方法2：布尔索引构造筛选条件 #

通过提取索引层级的值，组合布尔条件实现筛选：

# 构造布尔掩码
mask = (series_with_index.index.get_level_values('first_key') == 'a') & \
       (series_with_index.index.get_level_values('second_key').isin([2, 3, 4]))

# 赋值操作
series_with_index[mask] = 1.0

• get_level_values('first_key')提取第一级索引的所有值，与'a'做等值判断
• isin([2,3,4])判断第二级索引是否属于目标集合
• 用&组合两个条件，得到最终的筛选掩码

方法3：直接使用loc的元组语法 #

利用loc对多层索引的原生支持，直接传入元组形式的筛选条件：

series_with_index.loc[('a', [2, 3, 4])] = 1.0

这种方式最为简洁，逻辑与方法1一致，自动忽略不存在的索引项。

验证结果 #

执行赋值后，打印Series可看到预期效果：

print(series_with_index)

输出：

first_key  second_key
a          1            0.0
           2            1.0
           3            1.0
b          1            0.0
           2            0.0
           3            0.0
c          1            0.0
           2            0.0
           3            0.0
dtype: float64

内容的提问来源于stack exchange，提问作者Ramón J Romero y Vigil