比“查询”更方便的方法是选择多索引行，通过索引级别的名称指定部分标签？

Question

假设你有很多命名的索引级别——我将在这里显示4，但请发挥你的想象力：

midx = pd.MultiIndex.from_product([['A0','A1'], ['B0','B1'],['C0','C1'],['D0','D1']],names=['quack','woof','honk','snarf'])
dfmi = pd.DataFrame(np.arange(32).reshape((len(midx), len(columns))),index=midx, columns=columns)
dfmi
                       foo  bar
quack woof honk snarf          
A0    B0   C0   D0       0    1
                D1       2    3
           C1   D0       4    5
                D1       6    7
      B1   C0   D0       8    9
                D1      10   11
           C1   D0      12   13
                D1      14   15
A1    B0   C0   D0      16   17
                D1      18   19
           C1   D0      20   21
                D1      22   23
      B1   C0   D0      24   25
                D1      26   27
           C1   D0      28   29
                D1      30   31

然后，在这条线的某个地方，您忘记了名称“snarf”与哪个级别编号相关，甚至忘记了有多少个级别，您想做如下操作：

dfmi[dfmi.snarf=='D1']

除了数据帧很大，所以保留另一个外，reset_index的复制会占用太多空间，而且速度很慢，而且，由于懒惰，您不想查找它，也不想使用query进行另一种语法：

dfmi.query('snarf'=='D1')

哎呀

dfmi.query("'snarf'=='D1'")

哎呀

dfmi.query("snarf=='D1'")
                      foo  bar
quack woof honk snarf          
A0    B0   C0   D1       2    3
           C1   D1       6    7
      B1   C0   D1      10   11
           C1   D1      14   15
A1    B0   C0   D1      18   19
           C1   D1      22   23
      B1   C0   D1      26   27
           C1   D1      30   31

终于

Answer 1

不确定这是否更方便，但基于字符串的查询的一种替代方法是使用index.get_level_values：

dfmi[dfmi.index.get_level_values('snarf') == 'D1']

                       foo  bar
quack woof honk snarf          
A0    B0   C0   D1       2    3
           C1   D1       6    7
      B1   C0   D1      10   11
           C1   D1      14   15
A1    B0   C0   D1      18   19
           C1   D1      22   23
      B1   C0   D1      26   27
           C1   D1      30   31

Answer 2

您还可以使用：

df = df[df.index.isin(['D1'], level='snarf')]

输出：

                       foo  bar
quack woof honk snarf          
A0    B0   C0   D1       2    3
           C1   D1       6    7
      B1   C0   D1      10   11
           C1   D1      14   15
A1    B0   C0   D1      18   19
           C1   D1      22   23
      B1   C0   D1      26   27
           C1   D1      30   31

Answer 3

如果我们通过名称在给定级别内查找相应的值（相等比较），那么^{}可以工作：

dfmi.xs('D1', level='snarf', drop_level=False)

                       foo  bar
quack woof honk snarf          
A0    B0   C0   D1       2    3
           C1   D1       6    7
      B1   C0   D1      10   11
           C1   D1      14   15
A1    B0   C0   D1      18   19
           C1   D1      22   23
      B1   C0   D1      26   27
           C1   D1      30   31