如何在多级索引DataFrame中显示两列的匹配行？

你的DataFrame采用了多级列索引结构，要筛选出sub_col1和sub_col2值相等的行，可按以下步骤操作：

1. 定位目标子列：通过多级列索引精准获取('col1', 'sub_col1')和('col2', 'sub_col2')两列数据
2. 生成筛选掩码：比较两列的元素是否相等，得到一个布尔类型的Series
3. 应用掩码筛选：用布尔Series对原DataFrame进行索引，提取符合条件的行

具体代码实现 #

import pandas as pd

# 你的DataFrame创建代码
multi_index = pd.MultiIndex.from_tuples(
    [("r0", "rA"), ("r1", "rB"), ("r4", "rB")], names=["Courses", "Fee"]
)
cols = pd.MultiIndex.from_tuples([("col1", "sub_col1"), ("col2", "sub_col2")])
data = [[100, 300], [200, 500], [500, 500]]  # 调整第三行数据，构造一个匹配示例
df = pd.DataFrame(data, columns=cols, index=multi_index)

# 生成筛选条件：sub_col1与sub_col2值相等
mask = df[('col1', 'sub_col1')] == df[('col2', 'sub_col2')]

# 应用筛选条件得到结果
filtered_df = df[mask]

print(filtered_df)

输出结果 #

col1     col2
           sub_col1 sub_col2
Courses Fee                
r4      rB      500      500

灵活适配方案 #

如果多级列的第一层名称不固定，仅需匹配第二层的sub_col1和sub_col2，可以通过xs方法直接按第二层索引定位子列，提升代码通用性：

mask = df.xs('sub_col1', level=1, axis=1) == df.xs('sub_col2', level=1, axis=1)
filtered_df = df[mask]

内容的提问来源于stack exchange，提问作者yoopiyo