pandas双层列MultiIndex跨组多切片选列的实现方法

之前的写法触发报错，本质是没摸透MultiIndex列索引的匹配逻辑：

• MultiIndex的单个列键是固定层级数的元组，每一层的元素必须是可哈希的（不能是列表、集合这类可变对象）。
• 你之前写的('df2', ['d', 'e'])把列表作为元组的二级元素，相当于把不可哈希的列表当成了单个二级列标签，自然会抛出TypeError: unhashable type: 'list'。
• 当你在同一个一级列下需要选多个二级列时，正确逻辑是把每一个「一级列-二级列」的组合拆成独立的元组，而不是把多个二级列塞到同一个元组的二级位置。

方法1：直接传入扁平化列元组（最简洁直观） #

把所有需要保留的「一级列标签、二级列标签」组合，逐一列成独立的元组，直接传入loc的列索引位置即可：

selected_cols = [
    ("df1", "a"),
    ("df1", "b"),
    ("df2", "d")
]
result = df.loc[:, selected_cols]

运行后输出的结果完全匹配目标结构，保留原有的二级MultiIndex列格式。

小提示：如果要在df2组下多选几个列，只需要往列表里补充对应的独立元组即可，比如要加df2的e列，就补("df2", "e")，千万不要把多个二级列塞到同一个元组里。

方法2：基于规则批量生成掩码（适合动态多组选取场景） #

如果你的一级列数量多、每个组下的二级列选取规则是提前配置好的，不用手动逐个列元组，可以通过遍历所有列生成布尔掩码来选取，扩展性更强：

# 定义选取规则：键为一级列名，值为该列组下要保留的二级列集合
select_rule = {
    "df1": {"a", "b"},
    "df2": {"d"}
}
# 逐列判断是否符合保留规则
keep_mask = [
    select_rule.get(l1, set()).issuperset({l2})
    for l1, l2 in df.columns
]
result = df.loc[:, keep_mask]

你之前尝试用pd.IndexSlice的写法报错，本质是用错了它的适用场景：
pd.IndexSlice适合全局规则统一的切片操作，比如「所有一级列下，保留二级列标签为a、b的列」，这种跨组规则一致的场景：

# 全局规则：不管一级列是啥，只要二级列是a、b就保留
result = df.loc[:, pd.IndexSlice[:, ["a", "b"]]]

而你当前的需求是不同一级列组对应完全不同的二级列选取规则，这种场景下把多个IndexSlice对象塞到列表里是无法被正确解析的，反而会因为索引键不合法触发报错。 #

内容的提问来源于stack exchange，提问作者zeawoas