python - 基于多个级别 1 列的子集多索引 df

Question

我有一个多索引数据框，但对于每个级别 0 变量(即列“一”和“二”)，我想在每个级别 1 中只保留两列。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!

Answer 1

这是使用 pd.IndexSlice 的一种方法:

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

另一种使用鲜为人知的参数的方法，axis , 的 pd.DataFrame.loc :

df.loc(axis=1)[:, ['one', 'two']]

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

注意:此参数未在 pd.DataFrame.loc 的文档化 API 中列出，但在 Using Slicers 的 MultiIndex/Advanced indexing 部分的用户指南中被引用。一段关于中间的例子。