MultiIndex DataFrame按值查找列：获取目标列数据及列索引

首先，我们分两步来实现你的需求：定位每个level0分组对应的目标列，然后提取该列的完整数据，同时保留列索引的对应关系。

步骤1：建立level0分组到目标列的映射 #

首先我们先提取所有level_1为aaa的行，从中找到值为1的位置，以此建立level_0（one/two）到列索引的映射关系：

import pandas as pd
import numpy as np

# 先构造你的示例数据
index_arrays = [np.array(["one"]*5+["two"]*5), np.array(["aaa","bbb","ccc","ddd","eee"]*2)]
df = pd.DataFrame([[1,2,3],[4,5,6],[7,8,9], [10,11,12],[13,14,15],[16,1,17], [18,19,20],[21,22,23],[24,25,26], [27,28,29]], index=index_arrays)

# 提取level1为aaa的所有行
aaa_rows = df.loc[(slice(None), "aaa"), :]

# 筛选出值为1的位置，整理成level0到列索引的字典
target_col_map = (aaa_rows[aaa_rows == 1]
                  .stack()
                  .reset_index()
                  .set_index("level_0")["level_2"]
                  .to_dict())

print("每个level0分组对应的列索引：", target_col_map)
# 输出：每个level0分组对应的列索引： {'one': 0, 'two': 1}

步骤2：提取目标列的完整数据 #

有了列映射后，我们遍历每个level_0分组，提取对应列的数据并合并，就能得到你想要的结果：

# 遍历每个level0分组，提取对应列，用keys参数保留原level0索引
result = pd.concat(
    [df.xs(level0, level=0)[[col]] for level0, col in target_col_map.items()],
    keys=target_col_map.keys()
)

print(result)

运行后输出的结果和你的预期完全一致：

0
one aaa  1
    bbb  4
    ccc  7
    ddd 10
    eee 13
        1
two aaa  1
    bbb 19
    ccc 22
    ddd 25
    eee 28

灵活调整说明 #

• 如果你的目标匹配值不是1，只需要把代码里的aaa_rows == 1替换成你需要的数值即可。
• target_col_map字典直接存储了每个level_0分组对应的列索引，方便你后续做其他关联操作。

内容的提问来源于stack exchange，提问作者BenB