Pandas多层索引切片：先选两级索引再选列的实现方法

嘿，这个需求我之前也碰到过，Pandas里其实有好几种简单的方法能实现，我先把你的示例代码补全（你之前列名那里没写完），然后一步步给你演示：

首先，先把可运行的示例代码写出来：

import numpy as np
import pandas as pd
# 创建两级MultiIndex
a = pd.MultiIndex.from_arrays(
    np.array([np.repeat([1, 2], 6), np.tile(np.repeat(["a", "b", "c"], 2), 2)] )
)
# 补全列名，生成完整DataFrame
df = pd.DataFrame(np.random.randn(12,4), index=a, columns=['col1', 'col2', 'col3', 'col4'])

接下来给你介绍三种常用的实现方式：

方法1：用.loc一步到位（最简洁） #

.loc索引器支持直接传入多级索引的筛选条件，同时指定要选择的列，非常高效。
比如你想筛选第一级索引为1、第二级索引为'a'和'b'，然后选择col1和col3：

# 元组的每个元素对应一级索引的筛选值，列表表示该级要保留的多个值
filtered_df = df.loc[ ( [1], ['a', 'b'] ), ['col1', 'col3'] ]

如果要筛选第一级索引为1和2、第二级索引为'b'和'c'，再选col2和col4，直接修改参数就行：

filtered_df = df.loc[ ( [1,2], ['b','c'] ), ['col2','col4'] ]

方法2：用pd.IndexSlice让逻辑更清晰 #

当索引层级多、筛选条件复杂时，用IndexSlice能让代码可读性更高：

# 先定义索引切片器
idx = pd.IndexSlice
# 筛选第一级索引1/2，第二级索引a/b，选择col2和col4
filtered_df = df.loc[ idx[ [1,2], ['a','b'] ], ['col2','col4'] ]

这种方式还支持条件筛选，比如你想筛选**第一级索引大于1、第二级索引为'b'**的行，再选所有列：

filtered_df = df.loc[ idx[ df.index.get_level_values(0) > 1, 'b' ], : ]

方法3：分步操作（适合初学者理解） #

如果你觉得上面的方法有点绕，可以拆成两步：先筛选符合条件的行，再选择特定列：

# 第一步：生成布尔索引，筛选第一级是1、第二级是'a'或'c'的行
index_filter = df.index.get_level_values(0).isin([1]) & df.index.get_level_values(1).isin(['a','c'])
temp_df = df[index_filter]
# 第二步：选择需要的列
final_df = temp_df[['col1','col4']]

这几种方法都能满足你的需求，你可以根据自己的场景选最顺手的～

内容的提问来源于stack exchange，提问作者viloflo