如何按多级索引的单个层级筛选Pandas DataFrame？

没问题！当你把time设为索引层级后，确实没法直接像普通列那样用df["time"]访问，但有好几种优雅的方法可以完成筛选，完全不用把索引变回列（避免数据冗余）：

方法1：使用index.get_level_values() #

这是最直接的方式，专门用来获取指定索引层级的所有值：

# 按索引层级名称筛选
filtered_df = df[df.index.get_level_values("time") > 1]

# 也可以用层级位置（这里time是第二个索引，位置为1）
filtered_df = df[df.index.get_level_values(1) > 1]

运行后就能得到time大于1的所有行，完全保留原有的多级索引结构。

方法2：使用query()方法（更简洁） #

Pandas的query方法支持直接引用索引层级的名称，语法非常直观：

filtered_df = df.query("time > 1")

这种写法和你原本想写的df[df["time"] > 1]几乎一样，只是不需要把time作为列存在，非常方便。

方法3：使用loc结合索引切片（适合范围筛选） #

如果你的索引是有序的，可以用loc做切片筛选，不过需要先确保time索引是有序的：

# 先按time层级排序
df_sorted = df.sort_index(level="time")
# slice(None)表示匹配id层级的所有值，1:表示time大于1的部分
filtered_df = df_sorted.loc[(slice(None), 1):]

这种方法更适合连续的范围筛选场景，比如time在某个区间内的行。

验证结果 #

不管用哪种方法，最终得到的筛选结果都是：

val
id time     
1  2       3
2  2       4

内容的提问来源于stack exchange，提问作者Alex