如何用pandas IndexSlice从列多层索引DataFrame选取分属不同层级的指定列？

直接用pd.IndexSlice（通常简写为idx）就能一步完成，不用拼接。核心是把不同层级的列组合成元组列表或者用切片语法匹配，然后通过loc索引选取。

步骤示例： #

假设你的DataFrame列结构是这样的MultiIndex：

MultiIndex([('virtual',  'x_mm'),
            ('virtual',  'y_mm'),
            ('virtual', 'z_mm'),
            ('actual',   'z_mm'),
            ('actual', 'rx_deg'),
            ('actual', 'ry_deg'),
            ('actual', 'rz_deg'),
            ('actual',  'x_mm')],
           names=['level_0', 'level_1'])

1. 先定义IndexSlice别名（可选，但写起来更简洁）：

import pandas as pd
idx = pd.IndexSlice

2. 直接通过loc选取目标列：

# 方式1：明确列出所有(level_0, level_1)元组，精准控制
selected_cols = [
    ('virtual', 'x_mm'),
    ('virtual', 'y_mm'),
    ('actual', 'z_mm'),
    ('actual', 'rx_deg'),
    ('actual', 'ry_deg'),
    ('actual', 'rz_deg')
]
df_selected = df.loc[:, selected_cols]

# 方式2：用IndexSlice的批量匹配语法，更简洁
df_selected = df.loc[:, idx[['virtual', 'actual'], ['x_mm', 'y_mm', 'z_mm', 'rx_deg', 'ry_deg', 'rz_deg']]]
# 注：第二个层级的列表会自动匹配对应第一个层级的有效列，不会出现无效组合（比如virtual下的rz_deg会被自动过滤）

优势对比 #

• 代码紧凑，一步完成，无需创建临时DataFrame再拼接
• 完整保留原DataFrame的列索引层级结构，不会破坏数据组织逻辑

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