Pandas 使用分层索引进行选择-获取数据帧的子集

我有一个代表矩阵的数据框。它通过行编号和列编号进行索引，类似于：

arrays = [[1,1,1,2,2,2,3,3,3],[1,2,3,1,2,3,1,2,3]]
tuples = zip(*arrays)
index = MultiIndex.from_tuples(tuples, names=['row', 'col'])
df = DataFrame([100,99,98,97,96,95,94,93,92],index,columns=['score'])


score
row col 
1   1    100
    2    99
    3    98
2   1    97
    2    96
    3    95
3   1    94
    2    93
    3    92

现在，我试图找出如何仅选择第1行的cols 1和cols 3，这意味着一些将返回的代码：

score
row col 
1   1    100
    3    98

当然，我不是在寻找一个显式选择1和3的代码，而是更一般的情况，在这种情况下，我将传递一个0级索引列表和一个1级索引列表，并返回相应的子集

我试过：

k1 = 1
k2 = [1,3]
df.ix[k1,k2]

这会引起一个错误

这确实有效：

df.ix[k1].ix[k2]

但前提是k1是标量。如果

k1=[1,3]

则不会检索到适当的子集，因为返回数据帧仍然使用级别0索引进行索引

这看起来不像作者的意图。。我看不出为什么

df.ix[k1，k2]

（其中k1和k2是标量或向量或混合）不起作用。我遗漏了什么吗？

那么

reindex（）

呢

对于更一般的解决方案，这里有一个我以前回答过的类似问题：

我在这里复制代码：

import numpy as np
def ms(df, *args):
    idx = df.index
    for i, values in enumerate(args):
        if values is not None:
            if np.isscalar(values):
                values = [values]
            idx = idx.reindex(values, level=i)[0]
    return df.ix[idx]

ms(df, [1,2], [1, 3])

但是我认为

unstack（）

矩阵更好：

m = df.score.unstack()
m.loc[[1,2],[1,3]]

---

将矩阵表示为多索引数据帧有点奇怪，您想到了什么用例？它是用来表示稀疏矩阵的吗？如果是这样，使用scipy.sparse不是更好吗？它是一个索引矩阵。这并不是我在这里展示的划行对cols，而是人对人。例如，某个系统的“jacob green”的“john smith”得分是50分。我想说的是我的索引是字符串而不是整数谢谢，这就是为什么要这样做。但我在使用它时遇到了另一个问题。。。看见

m = df.score.unstack()
m.loc[[1,2],[1,3]]