基于多级索引层级匹配的Pandas subtract操作问题

嘿，我刚好处理过类似的多级索引减法需求，结合你给出的带first和second两级MultiIndex的DataFrame，给你几个精准贴合场景的解决方案：

场景1：按first分组，组内每行减去组内指定second值的行 #

比如你想让每个first分组里的所有行，都减去该分组中second=1的行（作为基准行），可以这么写：

# 先提取所有second=1的行作为减法基准
base_rows = df.xs(1, level='second')
# 用subtract的level参数按first层级对齐，自动完成组内减法
result = df.subtract(base_rows, level='first')

运行后你会看到，每个first分组里second=1的行都会变成全0（自己减自己），其他行则是对应列减去同first分组下second=1的列值，完全符合层级匹配的要求。

场景2：按second层级对齐，跨first分组做减法 #

如果你需要让不同first分组中，second值相同的行做减法（比如first=2的行减去first=1中同second的行），可以这样实现：

# 拆分出两个first分组的子DataFrame
group_2 = df.xs(2, level='first')
group_1 = df.xs(1, level='first')
# 直接按索引（此时是second层级）对齐做减法
result = group_2.subtract(group_1, axis=0)

如果是要对原DataFrame按second层级做组内运算（比如组内每行减去组内均值），用groupby配合apply也很方便：

# 按second层级分组，组内每行减去组内的平均值（可替换为你需要的基准值）
result = df.groupby(level='second').apply(lambda x: x - x.mean())

核心技巧：活用subtract的level参数 #

Pandas的subtract方法自带的level参数是处理MultiIndex减法的利器——当两个数据结构有共同的索引层级时，指定这个参数就能自动帮你对齐层级，省去手动拆分、合并索引的麻烦。

举个例子，如果你的基准数据是一个只有first层级索引的Series，用level='first'就能让每个first分组的所有行自动匹配对应基准值做减法，非常高效。

小提醒：要确保用于减法的两个数据在指定层级上的索引完全匹配，否则结果中会出现NaN值哦。

内容的提问来源于stack exchange，提问作者Matt P.