如何在MultiIndex DataFrame中仅通过二级索引name筛选数据？

我来帮你搞定这个MultiIndex的筛选问题！你之前尝试的df.loc[(:,'Ai')]和df.loc['Ai']报错，主要是因为MultiIndex的层级逻辑和Python语法限制，下面给你几种实用的解决办法：

方法1：使用pd.IndexSlice（推荐，清晰直观） #

pd.IndexSlice是Pandas专门为MultiIndex设计的切片工具，能明确指定每个层级的筛选范围。先看代码：

import pandas as pd

# 先还原你的示例DataFrame
data = {'value': [40, 90, 100, 7]}
index = pd.MultiIndex.from_tuples(
    [(1921, 'Ah'), (1921, 'Ai'), (1922, 'Ah'), (1922, 'Ai')],
    names=['year', 'name']
)
df = pd.DataFrame(data, index=index)

# 用IndexSlice筛选name为Ai的所有行
idx = pd.IndexSlice
result = df.loc[idx[:, 'Ai'], :]
print(result)

输出结果：

value
year name     
1921 Ai     90
1922 Ai      7

解释：idx[:, 'Ai']表示第一个层级（year）取所有值，第二个层级（name）只取'Ai'，后面的: 表示保留所有列（这里只有value列）。

方法2：使用xs()方法（最简洁） #

xs()是cross-section的缩写，专门用于提取MultiIndex某一层级的特定值，语法非常简洁：

result = df.xs('Ai', level='name')
print(result)

输出和上面完全一致。这里level='name'明确指定要筛选的是name这个层级，直接传入要匹配的值'Ai'即可，自动忽略其他层级的所有值。

方法3：布尔索引（通用型方法） #

如果你习惯用布尔筛选，也可以通过获取索引层级的值来构造布尔条件：

# 获取name层级的所有值，和'Ai'比较得到布尔数组
mask = df.index.get_level_values('name') == 'Ai'
result = df[mask]
print(result)

这种方法适合更复杂的筛选场景，比如多个条件组合的时候。

为什么你之前的尝试会报错？ #

• df.loc['Ai']：Pandas会把'Ai'当成第一个索引层级（year）的值，但你的year里没有'Ai'，所以会抛出索引不存在的错误。
• df.loc[(:,'Ai')]：Python本身不支持(:,'Ai')这种语法，必须用slice(None)代替冒号，或者用pd.IndexSlice来封装切片逻辑。

内容的提问来源于stack exchange，提问作者snapcrack