Pandas多级索引行选择：跳过中间层级的简洁实现方法

我来给你几个简洁高效的解决方案，完美匹配你的需求——基于L0和L2索引筛选行，同时完整保留L1层级：

首先先还原你的示例DataFrame，方便复现测试：

import pandas as pd

# 构建示例3级MultiIndex DataFrame
data = {
    'colA': [1,3,5,7,9,11,13,15],
    'colB': [2,4,6,8,10,12,14,16]
}
index = pd.MultiIndex.from_tuples(
    [('A1','B1','C1'), ('A1','B1','C2'), ('A1','B2','C1'), ('A1','B2','C2'),
     ('A2','B3','C1'), ('A2','B3','C2'), ('A2','B4','C1'), ('A2','B4','C2')],
    names=['L0','L1','L2']
)
df = pd.DataFrame(data, index=index)

方法1：用.query()语法（最直观） #

这个方法语法接近自然语言，可读性拉满，自动保留所有索引层级：

# 筛选L0为'A1'且L2为'C1'的行，保留L1
filtered_df = df.query("L0 == 'A1' and L2 == 'C1'")

如果需要筛选多个值，比如L0在['A1','A2']且L2为'C2'，直接修改条件即可：

filtered_df = df.query("L0 in ['A1','A2'] and L2 == 'C2'")

方法2：正确使用.loc+slice(None) #

你之前的写法df.loc[[A,:,C],colB]失效的原因是：MultiIndex的.loc中，元组内不能直接用冒号，要用slice(None)表示“匹配该层级所有值”：

# 筛选L0='A1'、L2='C1'的所有L1行，只保留colB列
filtered_series = df.loc[('A1', slice(None), 'C1'), 'colB']

如果要保留所有列，把最后一个参数换成:即可。

方法3：用pd.IndexSlice处理复杂筛选 #

当你的筛选条件更复杂（比如范围、多值组合），IndexSlice能让代码更清晰：

idx = pd.IndexSlice
# 示例：筛选L0为'A2'、L2为'C1'的所有行，保留所有列
filtered_df = df.loc[idx['A2', :, 'C1'], :]
# 也可以组合多条件，比如L0在['A1','A2']，L2为'C1'或'C2'
filtered_df = df.loc[idx[['A1','A2'], :, ['C1','C2']], :]

以上所有方法都会完整保留L1索引层级，不需要手动操作MultiIndex的结构，比你之前的复杂实现简洁太多。

内容的提问来源于stack exchange，提问作者Ranny