多级列索引DataFrame使用.loc进行列切片查询的技术疑问

我现在有一个带多级列索引的DataFrame，生成代码如下：

import pandas as pd
import numpy as np

arrays = [
    ["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"],
    ["one", "two", "one", "two", "one", "two", "one", "two"],
]
tuples = list(zip(*arrays))

index = pd.MultiIndex.from_tuples(tuples, names=["first", "second"])

s = pd.DataFrame(np.random.randn(8), index=index).T

生成的DataFrame结构大概是这样：

我看到Pandas文档里提到可以用这种方式做索引：

df.loc[:, (slice("bar", "two"), ...)]

于是我尝试写s.loc[:, (slice("bar", ...，但操作后没得到预期结果，实在搞不懂怎么正确用.loc对多级列索引做切片查询。

正确的多级列索引切片方法 #

其实处理多级列索引时，要明确每一级索引的筛选规则，给你几个实用的正确操作示例：

• 切片第一级从"bar"到"foo"的所有列：
  第一级用slice指定范围，第二级用...或slice(None)表示取所有值：

  # 简洁写法
  s.loc[:, slice("bar", "foo")]
  # 更明确的多级指定写法
  s.loc[:, (slice("bar", "foo"), slice(None))]
  

• 精准获取第一级为"bar"、第二级为"one"的列：
  直接用元组对应每一级的索引值：

  s.loc[:, ("bar", "one")]
  

• 切片第一级从"bar"到"baz"、第二级为"two"的列：
  组合两级的筛选条件：

  s.loc[:, (slice("bar", "baz"), "two")]
  

关于文档示例的补充说明 #

你看到的文档写法(slice("bar", "two"), ...)其实有场景前提——如果"two"是第一级索引的取值才适用，但在你的DataFrame里"two"是第二级索引，直接照搬就会出错。正确的逻辑是：元组里的每个元素对应一级索引的筛选规则，slice(start, end)用来指定范围，...或slice(None)表示该级取所有索引值。

备注：内容来源于stack exchange，提问作者plotmaster473