Pandas多索引DataFrame按年龄区间行求和的高效实现方法

1965 0 34 45
1965 1 41 34
...
1965 50 56 22
1966 0 10 34
...

我希望对A列（以及B列）求某年龄区间（如10至20）内所有行的和。我尝试过使用`.xs()`方法，例如：
```python
pops.xs(20, level='age')

这个方法能获取各年份下年龄为20的行，但没办法实现多年龄筛选并按年份求和。比如针对年龄0和1，我想要得到这样的结果：

A   B
year     
1895 23  26
...
1965 75  79
...

请问有没有优雅且高效的实现方法？

这里有几种优雅又高效的方法可以实现你的需求，根据你的DataFrame规模和个人偏好挑选就行：

方法一：布尔索引 + groupby #

这是最直观的方式——先筛选出年龄在目标区间内的行，再按year分组求和：

# 筛选年龄0-1的行，按year聚合求和
result = pops[(pops.index.get_level_values('age') >= 0) & (pops.index.get_level_values('age') <= 1)].groupby(level='year').sum()

如果是连续的年龄区间（比如10到20），可以用between()简化条件：

age_mask = pops.index.get_level_values('age').between(10, 20)
result = pops[age_mask].groupby(level='year').sum()

方法二：使用.query()方法 #

如果你偏爱更简洁易读的语法，.query()会很适合，写条件就像写自然语言一样：

# 筛选年龄在0到1之间，按year求和
result = pops.query('age >= 0 and age <= 1').groupby(level='year').sum()
# 连续区间也可以用between语法
result = pops.query('age between 10 and 20').groupby(level='year').sum()

方法三：.loc切片（适合有序多索引） #

如果你的多索引是按year和age有序排列的，.loc切片的效率会非常高，尤其处理大型DataFrame时：

# 匹配所有年份，年龄从0到1的行，再按year求和
result = pops.loc[(slice(None), slice(0, 1)), :].groupby(level='year').sum()

这里slice(None)代表匹配所有year值，slice(0,1)则指定了年龄的范围。

方法四：groupby结合自定义函数（复杂需求适用） #

如果需要同时计算多个年龄区间的和，或者分组后要做更灵活的计算，可以用自定义函数配合apply()：

def sum_age_range(group, min_age, max_age):
    age_filter = group.index.get_level_values('age').between(min_age, max_age)
    return group[age_filter][['A', 'B']].sum()

# 计算每个年份下年龄0-1的A、B列和
result = pops.groupby(level='year').apply(sum_age_range, min_age=0, max_age=1)

性能小贴士 #

• 若你的DataFrame规模很大，优先选方法一的between版本或方法三的.loc切片，它们都是向量化操作，比循环式的apply()快很多。
• 提前用pops = pops.sort_index()把多索引排好序，能进一步提升groupby和切片的效率。

内容的提问来源于stack exchange，提问作者Mike