pandas中DataFrame的MultiIndex层级引用是否有便捷简写方式？

你想要的类似引用DataFrame列的简写方式，pandas内置了几种无需重复编写lambda的解决方案：

1. 使用query()方法（最贴合你的需求） #

query()支持直接通过索引层级名称引用，写法和操作列几乎一致，彻底省去get_level_values的重复调用：

dataframe.query("level_A != @value & level_B != @value2")

• 用@符号引用外部变量（如value、value2）
• 若索引层级名称与列名冲突，可通过index.前缀明确指定：

  dataframe.query("index.level_A != @value & index.level_B != @value2")
  

2. 直接通过索引的属性访问（适合规范层级名） #

如果你的MultiIndex层级名称是合法Python标识符（无空格、特殊字符），可以直接用属性访问索引层级：

dataframe.loc[(dataframe.index.level_A != value) & (dataframe.index.level_B != value2)]

仅比你期望的写法多一个.index前缀，比get_level_values简洁不少。

3. 临时将索引转为列（适合高频操作场景） #

若需要多次对索引层级做复杂操作，可临时通过reset_index()将索引转为列：

# 重置索引后直接像操作列一样处理层级
df_with_cols = dataframe.reset_index()
filtered = df_with_cols.loc[(df_with_cols['level_A'] != value) & (df_with_cols['level_B'] != value2)]
# 如需恢复原索引，执行 filtered.set_index(['level_A', 'level_B', ...]) 即可

内容的提问来源于stack exchange，提问作者zsxcevrgty