如何利用Pandas MultiIndex优化A=0且B>1的DataFrame查询性能？

嘿，这个问题我太有发言权了！当数据量上去之后，普通的布尔筛选确实会变得慢吞吞的，用索引优化绝对是提升性能的关键，我给你拆解几种实用的方案：

如果你经常需要按A的值做筛选，第一步先给A列建立索引：

df = df.set_index('A')

建立索引后，Pandas可以快速定位到A=0的所有行（因为索引是有序结构，查找效率远高于遍历整列），之后再在这个小范围内筛选B>1的行：

# 两种写法都可以，选你顺手的
result = df.loc[0].query('B > 1')
# 或者用布尔索引
result = df.loc[0][df.loc[0]['B'] > 1]

如果A和B都是高频筛选条件，直接建复合索引（把A放在前面，因为你的查询是先固定A的值，再对B做范围筛选）：

df = df.set_index(['A', 'B'])
# 别忘了排序索引，这会让切片查询更快
df = df.sort_index()

之后就能用索引切片直接定位到A=0且B>1的行，完全不需要遍历整表：

# 直接用元组切片
result = df.loc[(0, 1):(0, float('inf'))]
# 或者用IndexSlice让语法更清晰
import pandas as pd
idx = pd.IndexSlice
result = df.loc[idx[0, 1:], :]

这种方式的性能提升非常明显，因为复合索引是按层级有序存储的，Pandas可以通过树结构快速定位到目标行范围，时间复杂度从O(n)降到了O(log n)。

如果A的取值范围很小（比如只有0、1、2几个固定值），可以先把A转成Categorical类型再建索引：

df['A'] = pd.Categorical(df['A'])
df = df.set_index('A').sort_index()

分类类型的索引内部用整数映射存储，查找分组的效率比普通数值索引更高，尤其适合重复值多的场景。

• 建索引会占用额外内存，如果你的内存比较紧张，需要权衡内存开销和查询速度的提升；
• 索引必须是有序的，所以建完索引后一定要执行sort_index()，否则切片查询的性能提升会大打折扣；
• 如果你之后还要对A或B做修改，索引会增加维护成本，这种情况下可以考虑用query()配合numexpr加速（不过这不属于索引优化的范畴了）。

内容的提问来源于stack exchange，提问作者Mike