如何从多层列索引的Pandas DataFrame按指定层级列名筛选？

假设你已经有了一个三级列索引的Pandas DataFrame df，结构如下：

a1            a2            a3
     b1     b2     b1     b3     b1     b4
     c1 c2  c1 c2  c1 c2  c1 c2  c1 c2  c1 c2
     ... (数据内容) ...

下面直接给出两种场景的筛选方法：

1. 筛选所有第三层级（c级）为c2的列 #

利用get_level_values定位第三层级索引（层级索引从0开始计数，第三层对应索引2），筛选后可通过droplevel去掉原第三层索引，得到仅保留a、b两层的结果结构：

# 筛选所有c2列
c2_cols = df.loc[:, df.columns.get_level_values(2) == 'c2']
# 移除第三层级索引，保留a、b层级
c2_result = c2_cols.droplevel(level=2, axis=1)

最终结果结构：

a1     a2     a3
     b1 b2  b1 b3  b1 b4
     ... (c2列对应的数据) ...

2. 筛选所有第二层级（b级）为b1的列 #

同理，定位第二层级索引（对应索引1），筛选后移除第二层索引，保留a、c两层结构：

# 筛选所有b1列
b1_cols = df.loc[:, df.columns.get_level_values(1) == 'b1']
# 移除第二层级索引，保留a、c层级
b1_result = b1_cols.droplevel(level=1, axis=1)

最终结果结构：

a1     a2     a3
     c1 c2  c1 c2  c1 c2 
     ... (b1列对应的数据) ...

如果需要保留原三级索引结构仅筛选目标列，直接使用df.loc[:, df.columns.get_level_values(n) == '目标值']即可，其中n对应层级索引（0为a层，1为b层，2为c层）。

内容的提问来源于stack exchange，提问作者sunmat