基于MultiIndex轴的基础索引：筛选各YearMonth下product_id=6818的数据

嘿，我明白你现在的困扰——用groupby得到两级索引的DataFrame后，想提取每个YearMonth下product_id等于6818的数据对吧？我来给你几个实用的方法：

方法1：用xs()快速切片（MultiIndex专属工具） #

xs()是pandas专门为MultiIndex设计的切片函数，能精准定位某一级索引的特定值。你可以这样写：

# 保留原两级索引的写法
result = df.xs(6818, level='product_id', drop_level=False)

# 如果不需要保留product_id索引，去掉drop_level参数即可
# result = df.xs(6818, level='product_id')

这个方法会直接提取所有product_id为6818的行，不管YearMonth是什么，完全符合你的需求。

方法2：用.loc[]进行索引定位 #

如果你习惯用loc的话，也可以通过元组和通配符来实现：

result = df.loc[(slice(None), 6818), :]

这里slice(None)表示匹配第一级索引（YearMonth）的所有值，后面的6818指定第二级索引，最后的:表示选中所有列（这里就是count列）。

方法3：提前筛选再分组（更高效的思路） #

其实还有个更高效的方式——先筛选再分组，避免先聚合所有数据再筛选，能节省计算资源：

# 先筛选出product_id=6818的行，再分组求和
df_filtered = df[df['product_id'] == 6818].groupby(['YearMonth', 'product_id'])[['count']].sum()

这样得到的结果直接就是你想要的，不需要再做后续筛选操作，尤其当数据量很大的时候，这个方法的优势会更明显。

举个例子，用你提供的示例数据，执行上面的方法后，结果会是：

count
YearMonth  product_id       
2017-05-01 6818        3

如果其他YearMonth下也有product_id=6818的记录，也会一起被提取出来哦。

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