嘿，我来帮你把这个MultiIndex下的.loc用法问题理清楚～

首先先还原你的场景，执行以下代码：

import pandas as pd
df=pd.DataFrame({'a':[1,2,3,4,5,6,7,8],'b':['g1','g1','g1','g1','g2','g2','g2','g2'],'c':['v1','v2','v1','v2','v1','v2','v1','v2']})
df.set_index(['b','c'], inplace=True)

生成的DataFrame如下：

a
b   c   
g1  v1  1
    v2  2
    v1  3
    v2  4
g2  v1  5
    v2  6
    v1  7
    v2  8

你的疑问拆解 #

1. 为什么df.loc['g1','v1']会返回两行数据？ #

你之前的理解是.loc[row,col]的第二个参数是列标签，但这里的核心是：你给DataFrame设置了多层行索引（MultiIndex），b和c都是行索引的层级，而不是“行+列”的对应关系。

当你写df.loc['g1','v1']时，pandas会自动把这两个参数对应到行索引的第一层（b）和第二层（c），相当于筛选「行索引第一层为g1且第二层为v1」的所有行，所以会返回这两行结果：

a
b   c   
g1  v1  1
    v1  3

2. 为什么df.loc[:,'v1']无法得到预期的所有v1行？ #

这是因为.loc[:, 'v1']里的第二个参数是在指定列标签，而你的DataFrame里只有一列a，根本没有名为v1的列，所以这样写要么报错，要么返回空结果，自然没法筛选到行索引里的v1。

如何获取你想要的结果？ #

要筛选所有行索引第二层为v1的行，这里有3种常用且清晰的方法：

方法1：用切片+元组指定MultiIndex #

直接通过元组来匹配多层索引的层级，slice(None)表示匹配第一层索引的所有值：

df.loc[(slice(None), 'v1'), :]

方法2：用IndexSlice（可读性更强） #

先导入IndexSlice，可以更直观地写出筛选逻辑：

from pandas import IndexSlice
df.loc[IndexSlice[:, 'v1'], :]

方法3：用xs方法（专门针对MultiIndex的工具） #

xs是pandas专门为多层索引设计的筛选方法，level参数指定要筛选的索引层级（可以写层级名称'c'或者索引位置1），drop_level=False用来保留原有的多层索引结构：

df.xs('v1', level='c', drop_level=False)

以上三种方法都能得到你预期的结果：

a
b   c   
g1  v1  1
    v1  3
g2  v1  5
    v1  7

内容的提问来源于stack exchange，提问作者HappyPy