基于层级计数筛选Pandas MultiIndex DataFrame：选取col1对应col2含2个标签的行

嘿，这个需求挺常见的，我来给你一步步拆解实现方法，附上可直接测试的代码示例，你可以照着来调整～

核心思路 #

我们需要先定位出每个col1对应的col2标签数量恰好为2的那些col1值，再用这些值去过滤原DataFrame，就能得到目标行。

步骤1：构造示例数据（方便你验证效果） #

先模拟一个带MultiIndex的DataFrame，还原你的数据场景：

import pandas as pd

data = {'value': [10, 20, 30, 40, 50, 60]}
# MultiIndex设置：col1包含A、B、C，其中A和C各对应2个col2标签，B只有1个
index = pd.MultiIndex.from_tuples(
    [('A', 'X'), ('A', 'Y'), ('B', 'X'), ('C', 'X'), ('C', 'Y'), ('C', 'Y')],
    names=['col1', 'col2']
)
df = pd.DataFrame(data, index=index)

步骤2：统计每个col1对应的col2标签数量 #

这里分两种场景处理：

• 如果同一个col1下的col2没有重复标签，直接用size()统计行数即可（每行对应一个唯一col2标签）：

  # 按col1分组，统计每组的行数（即col2标签数量）
  col1_counts = df.groupby(level='col1').size()
  

• 如果同一个col1下的col2可能有重复标签，需要用nunique()统计唯一标签数：

  # 按col1分组，统计每组col2的唯一标签数量
  col1_counts = df.groupby(level='col1')['col2'].nunique()
  

步骤3：筛选出符合条件的col1 #

从统计结果中挑出标签数量恰好为2的col1：

target_col1 = col1_counts[col1_counts == 2].index

步骤4：过滤原DataFrame得到结果 #

用isin()方法匹配目标col1，就能得到想要的行：

# 方法1：通过索引层级筛选
result = df[df.index.get_level_values('col1').isin(target_col1)]

# 方法2：用query语法更简洁直观
result = df.query('col1 in @target_col1')

运行后，结果会包含col1为A和C的所有行（因为它们的col2标签数都是2）。

补充小技巧 #

要是想简化代码，也可以把统计和筛选合并成一行：

result = df[df.index.get_level_values('col1').isin(
    df.groupby(level='col1').size()[lambda x: x == 2].index
)]

内容的提问来源于stack exchange，提问作者user6429576