如何筛选MultiIndex DataFrame：排除指定层级行与列

核心思路 #

通过get_level_values()分别提取索引和列指定层级的值，结合isin()和取反操作~锁定需要保留的行/列，最后用loc一次性完成筛选。

代码示例 #

1. 构造示例DataFrame

import pandas as pd

# 创建MultiIndex索引（层级0和层级1）
index = pd.MultiIndex.from_tuples(
    [('A', 'x'), ('B', 'y'), ('C', 'z'), ('D', 'w')],
    names=['level0', 'level1']
)
# 创建MultiIndex列（层级0和层级1）
columns = pd.MultiIndex.from_tuples(
    [('col_grp1', 'a'), ('col_grp1', 'b'), ('col_grp2', 'c'), ('col_grp2', 'd')],
    names=['col_level0', 'col_level1']
)
# 生成示例数据
df = pd.DataFrame(
    [[1,2,3,4], [5,6,7,8], [9,10,11,12], [13,14,15,16]],
    index=index,
    columns=columns
)

2. 定义排除列表

# 要排除的索引第0层级值
exclude_index_level0 = ['B', 'D']
# 要排除的列第1层级值
exclude_columns_level1 = ['b', 'd']

3. 执行筛选

支持分步或一步完成：

# 方式一：分步筛选
# 先保留索引第0层级不在排除列表的行
filtered_rows = df[~df.index.get_level_values(0).isin(exclude_index_level0)]
# 再保留列第1层级不在排除列表的列
filtered_df = filtered_rows.loc[:, ~filtered_rows.columns.get_level_values(1).isin(exclude_columns_level1)]

# 方式二：一步到位（更简洁）
filtered_df = df.loc[
    ~df.index.get_level_values(0).isin(exclude_index_level0),
    ~df.columns.get_level_values(1).isin(exclude_columns_level1)
]

关键代码说明 #

• df.index.get_level_values(0)：提取索引第0层级的所有值
• ~df.index.get_level_values(0).isin(exclude_index_level0)：对"是否在排除列表"的结果取反，得到需要保留的行的布尔索引
• df.columns.get_level_values(1)：提取列第1层级的所有值
• loc[row_condition, col_condition]：同时应用行和列的筛选规则，直接输出目标子集

内容的提问来源于stack exchange，提问作者Jason