如何在Pandas中按MultiIndex筛选DataFrame的共享索引元素？

首先先明确你的两个DataFrame的创建代码和结构：

创建DataFrame代码 #

import pandas as pd

# 创建并设置多层索引的df_a
df_a = pd.DataFrame(data=[['A', 'B', 'C'], ['A1', 'B1', 'C1']], columns=['first', 'secound', 'third'])
df_a.set_index(['first', 'secound'], inplace=True)

# 创建并设置多层索引的df_b
df_b = pd.DataFrame(data=[['A', 'B', 12], ['A', 'B', 143], ['C1', 'C1', 11]], columns=['first', 'secound', 'data'])
df_b.set_index(['first', 'secound'], inplace=True)

原始DataFrame结构 #

df_a的结构：

third
first secound
A     B        C
A1    B1       C1

df_b的结构：

data
first secound
A     B        12
      B        143
C1    C1       11

你的需求是筛选出df_b中索引与df_a完全匹配的行，最终得到只包含(A,B)索引的结果。

解决方案 #

方法1：使用index.isin()（推荐，更高效） #

直接利用多层索引的存在性判断，一步过滤：

# 筛选索引存在于df_a中的行
result = df_b[df_b.index.isin(df_a.index)]

运行后result的结构就是你想要的：

data
first secound
A     B        12
      B        143

原理：df_a.index是一个多层索引对象，df_b.index.isin(df_a.index)会生成一个布尔序列，标记df_b每一行的索引是否在df_a的索引集合中，用这个序列过滤df_b即可得到目标结果。

方法2：使用merge进行索引匹配 #

如果需要同时关联两个DataFrame的列，也可以用merge的索引匹配功能：

# 内连接匹配索引，然后移除不需要的列
result = df_b.merge(df_a, left_index=True, right_index=True, how='inner').drop(columns='third')

原理：通过left_index=True和right_index=True指定用索引进行连接，how='inner'只保留两个DataFrame索引重合的行，最后删除df_a带来的third列，得到目标结果。

内容的提问来源于stack exchange，提问作者Night Walker