基于多个级别1列的子集多索引df
我有一个多索引数据框，但对于每个 0 级变量（即列“一”和“二”），我只想保留每个级别 1 的两列。我可以分别对它们进行子集化，但我想一起做，这样我就可以并排保留这些值
这是数据框
index = pd.MultiIndex.from_tuples(list(zip(*[['bar1', 'foo1', 'bar1', 'foo2','bar3','foo3'], ['one','two','three','two','one','four']])))
df = pd.DataFrame(np.random.randn(2, 6), columns=index)
这是对级别 1 中的一列进行子集化的方法
df.iloc[:, df.columns.get_level_values(1)== 'one']
# or
df.xs('one', level=1, axis=1)
# but adding two columns within either command will not work e.g.
df.xs(('one','two), level=1, axis=1)
这将是预期的输出
bar1 foo1 foo2 bar3
one two two one
0 -0.508272 -0.195379 0.865563 2.002205
1 -0.771565 1.360479 1.900931 -1.589277
欢迎任何建议，非常感谢！
回答
这是使用的一种方法pd.IndexSlice：
idnx = pd.IndexSlice[:, ['one', 'two']]
df.loc[:, idnx]
输出：
bar1 bar3 foo1 foo2
one one two two
0 0.589999 0.261224 -0.106588 -2.309628
1 0.646201 -0.491110 0.430724 1.027424
bar1 bar3 foo1 foo2
one one two two
0 0.589999 0.261224 -0.106588 -2.309628
1 0.646201 -0.491110 0.430724 1.027424
另一种使用鲜为人知的参数axis, of 的方法pd.DataFrame.loc：
df.loc(axis=1)[:, ['one', 'two']]
输出：
注意：此参数未在 pd.DataFrame.loc 的文档化 API 中列出，但在使用切片器段落中的 MultiIndex/Advanced indexing 部分的用户指南中引用了一个示例。
回答
我们可以Index.isin在特定级别上使用来创建布尔索引并选择loc：
df.loc[:, df.columns.isin(['one', 'two'], level=1)]
df：
bar1 foo1 foo2 bar3
one two two one
0 0.042062 -0.233098 0.620974 0.330957
1 0.524495 -0.394930 0.572631 0.499279
回答
您可以reindex并指定level.
df.reindex(['one', 'two'], axis=1, level=1)
bar1 foo1 foo2 bar3
one two two one
0 0.276056 1.956400 -1.495128 1.582220
1 -0.383178 1.159138 -1.646173 0.821942