如何用slice排除DataFrame中的指定行与列（取切片补集）

原DataFrame定义 #

import pandas as pd
import numpy as np

index = pd.MultiIndex.from_product([["A", "B"], ["AA", "BB"]])
columns = pd.MultiIndex.from_product([["X", "Y"], ["XX", "YY"]])

df = pd.DataFrame([[1,2,3,4],
                   [5,6,7,8],
                   [9,10,11,12],
                   [13,14,15,16]], index = index, columns = columns)

切片对象 #

toSkip = ((slice(None), slice(None)), (["X"], slice(None)))

已知df.loc[toSkip]可获取指定切片的子集，现需获取原DataFrame排除该子集后的补集（即保留未被toSkip选中的行列）。

解决方案 #

核心思路是先定位被切片选中的行和列，再筛选出未被选中的部分：

方法1：分步实现 #

1. 先获取切片对应的子集，提取其索引和列名：

subset = df.loc[toSkip]
selected_rows = subset.index
selected_cols = subset.columns

2. 利用反向筛选获取补集：

complement_df = df.loc[~df.index.isin(selected_rows), ~df.columns.isin(selected_cols)]

方法2：一步简写 #

无需保留中间变量的话，可直接合并为一行：

complement_df = df.loc[
    ~df.index.isin(df.loc[toSkip].index),
    ~df.columns.isin(df.loc[toSkip].columns)
]

结果验证 #

运行后complement_df会保留所有行（因toSkip选中了全部行），仅保留列层级第一级为Y的列，输出如下：

Y     
       XX  YY
A AA  3   4
  BB  7   8
B AA  11  12
  BB  15  16

内容的提问来源于stack exchange，提问作者Jason