如何使用多索引列表筛选Pandas DataFrame的指定数据？

当然有办法实现你的需求啦！根据你的DataFrame结构，我分几种常见情况给你详细说明：

情况1：index1和index2是行的多级索引（MultiIndex） #

如果你的DataFrame的行是由index1和index2组成的多级索引，比如构造示例：

import pandas as pd

data = {'value': [0.22, 1.22, 0.55, 0.77]}
index = pd.MultiIndex.from_tuples(
    [('chicago', 'rome'), ('berlin', 'praha'), ('chicago', 'praha'), ('berlin', 'rome')],
    names=['index1', 'index2']
)
df = pd.DataFrame(data, index=index)

你可以用两种方式筛选：

• 方法1：使用pd.IndexSlice（推荐，语法更清晰）
  这种方式可以直接针对多级索引的层级传入列表筛选：

  list_ofCities1 = ['chicago', 'berlin']
  list_ofCities2 = ['rome']
  
  filtered_df = df.loc[pd.IndexSlice[list_ofCities1, list_ofCities2], :]
  

  执行后会得到所有index1在指定列表且index2在对应列表的行。

• 方法2：布尔索引
  通过检查每个索引层级是否在目标列表中来构造筛选条件：

  mask = (df.index.get_level_values('index1').isin(list_ofCities1)) & \
         (df.index.get_level_values('index2').isin(list_ofCities2))
  filtered_df = df[mask]
  

情况2：index1是行索引，index2是列索引 #

如果你的DataFrame是index1作为行标签、index2作为列标签的结构（就像你给出的表格示例那样），比如：

import pandas as pd

data = {
    'rome': [0.22, 0.77],
    'praha': [0.55, 1.22]
}
df = pd.DataFrame(data, index=['chicago', 'berlin'])
df.index.name = 'index1'
df.columns.name = 'index2'

那你直接用df.loc[list_ofCities1, list_ofCities2]就可以实现需求！比如：

list_ofCities1 = ['chicago']
list_ofCities2 = ['rome', 'praha']

filtered_df = df.loc[list_ofCities1, list_ofCities2]

这样就能得到chicago行下，rome和praha列的子DataFrame，完全符合你的预期。

情况3：index1和index2是普通列（不是索引） #

如果index1和index2只是DataFrame里的普通列，那用布尔索引筛选行即可：

mask = (df['index1'].isin(list_ofCities1)) & (df['index2'].isin(list_ofCities2))
filtered_df = df[mask]

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