Pandas多索引列切片：特定列与整层级列的组合选择方法

当你处理带MultiIndex分层列的DataFrame时，若需要同时选择特定单列（如('A','z')）和某一层级下的全部列（如'B'下的所有子列），除了用列表推导式，还有更贴合pandas API的优雅实现方式：

先准备示例数据 #

import numpy as np
import pandas as pd

# 创建分层列索引
col_index = pd.MultiIndex.from_product([["A", "B"], ["x", "y", "z"]])
df = pd.DataFrame(np.random.randn(8, 6), columns=col_index)

方法1：使用pd.IndexSlice（最推荐） #

IndexSlice是pandas专门用于分层索引筛选的工具，语法清晰且符合官方规范：

idx = pd.IndexSlice
# 合并目标列：('A','z') + 'B'下所有列
selected_cols = idx[['A'], 'z'].union(idx['B', slice(None)])
result = df.loc[:, selected_cols]

slice(None)等价于:，用来选中某一层级的全部子项，通过union合并两组列索引后，用loc完成筛选。

方法2：构造目标列列表 #

直接拆分需求构造列列表，可读性更强：

# 取('A','z')列
specific_col = [('A', 'z')]
# 取'B'层级下的所有列
b_level_cols = list(df.columns[df.columns.get_level_values(0) == 'B'])
# 合并后筛选
result = df[specific_col + b_level_cols]

方法3：用pd.concat拼接 #

如果需求简单，也可以直接拆分后拼接两部分：

# 注意用双层列表包裹('A','z')，避免返回Series
result = pd.concat([df[[('A', 'z')]], df['B']], axis=1)

这些方法相比原始的列表推导式，更符合pandas的使用习惯，代码可读性和可维护性更强。

内容的提问来源于stack exchange，提问作者n01known