仅使用.loc[]如何从多级索引DataFrame中提取单个索引列？

问题描述 #

手上有个多级索引DataFrame test2（构造代码见下方），想只用.loc[]提取其中的age索引列，已经知道.query()、.get_level_values()这些替代方法，但想搞明白.loc[]的通用操作逻辑，求解释。

构造代码：

import pandas as pd
test = pd.DataFrame({
    'credit_score': [608, 607, 502, 699, 850],
    'age': [42, 41, 42, 39, 43],
    'exited': ['Yes', 'No', 'Yes', 'No', 'No'],
    'surname': ['Hargrave', 'Hill', 'Hill', 'Boni', 'Mitchell'],
    'geography': ['France', 'Spain', 'France', 'France', 'Spain']
})
test2 = test.set_index(['credit_score', 'age'])

解决方案 #

首先明确：.loc[]本身是用来选取行/列数据的，而索引列属于DataFrame的index对象，并非普通数据列。所以要提取age索引，得先通过.loc选中目标范围，再从索引对象里取对应层级。

最直接的写法 #

用.loc[:]选中所有行（这里的:表示匹配所有行），然后直接访问索引的age层级：

age_index = test2.loc[:].index.get_level_values('age')

更体现.loc切片逻辑的写法 #

如果想严格用.loc的多级索引切片语法（比如先筛选部分行再提取索引），可以这样：

# 选中所有credit_score和age对应的行（slice(None)表示匹配当前层级所有值）
filtered = test2.loc[(slice(None), slice(None)), :]
# 提取age索引列
age_index = filtered.index.get_level_values('age')

要是只想提取特定条件下的age索引，比如credit_score为608或699的行，.loc的优势就体现出来了：

filtered = test2.loc[( [608, 699], slice(None) ), :]
age_index = filtered.index.get_level_values('age')

把索引转成普通数据列的写法 #

如果要把age索引转换成DataFrame的普通列，结合.loc可以这么写：

age_column = test2.loc[:].reset_index()['age']

.loc[]的通用性说明 #

对于多级索引，.loc的核心是按标签精准定位，支持几种常用语法：

• 元组指定各层级标签：test2.loc[(608, 42), :] 选中credit_score=608且age=42的行
• slice(None)匹配层级所有值：test2.loc[(slice(None), 42), :] 选中所有age=42的行，不管credit_score是多少
• 列表指定多个标签：test2.loc[( [608, 502], [42, 41] ), :] 选中指定组合的行

虽然.loc不能直接“提取”索引列，但它能灵活筛选行范围，之后再从筛选结果的索引里获取目标层级，这就是它的通用性所在——不管你需要什么范围的行，都能用.loc先定位，再处理索引或数据。

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