Python：无法执行切片索引

我正在尝试使用熊猫多索引数据帧，该数据帧如下所示：

                   end ref|alt
chrom start
chr1  3000714  3000715     T|G
      3001065  3001066     G|T
      3001110  3001111     G|C
      3001131  3001132     G|A

我希望能够做到这一点：

df.loc[('chr1', slice(3000714, 3001110))]

该操作失败，并出现以下错误：

无法使用的这些索引器[1204741]对执行切片索引

df.index.levels[1].dtype

返回

dtype（'int64'）

，所以它应该可以处理整数切片，对吗

---

此外，任何关于如何有效执行此操作的注释都是有价值的，因为数据帧有1200万行，我需要使用这种切片查询进行大约7000万次的查询。

我认为您需要在末尾添加

，：

-这意味着您需要切片行，但需要所有列：

print (df.loc[('chr1', slice(3000714, 3001110)),:])
                   end ref|alt
chrom start                   
chr1  3000714  3000715     T|G
      3001065  3001066     G|T
      3001110  3001111     G|C

另一种解决方案是将轴=0添加到：

但如果只需要

3000714

和

3001110

：

print (df.loc[('chr1', [3000714, 3001110]),:])
                   end ref|alt
chrom start                   
chr1  3000714  3000715     T|G
      3001110  3001111     G|C

idx = pd.IndexSlice
print (df.loc[idx['chr1', [3000714, 3001110]],:])
                   end ref|alt
chrom start                   
chr1  3000714  3000715     T|G
      3001110  3001111     G|C

计时：

In [21]: %timeit (df.loc[('chr1', slice(3000714, 3001110)),:])
1000 loops, best of 3: 757 µs per loop

In [22]: %timeit (df.loc(axis=0)[('chr1', slice(3000714, 3001110))])
1000 loops, best of 3: 743 µs per loop

In [23]: %timeit (df.loc[('chr1', [3000714, 3001110]),:])
1000 loops, best of 3: 824 µs per loop

In [24]: %timeit (df.loc[pd.IndexSlice['chr1', [3000714, 3001110]],:])
The slowest run took 5.35 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 826 µs per loop

---

太棒了，效果很好。谢谢你的解释。我还意识到，在我的例子中，由于我的第一级索引比第二级索引小得多（在

level[0]

索引中有23项，在

level[1]

索引中有1260万项），我通过在第一级索引上将数据框拆分成一个字典来获得更快的速度。在我的完整数据帧上，

df.loc（axis=0）[（'chr1'，slice（3000714，3001110））

方法每循环花费218毫秒，而制作字典和执行

dfs['chr1'].loc[3000714:3001110]

每循环只花费95.7微秒。再次感谢@jezrael，我如何从一个索引到另一个索引选择一个数据帧..在这个范围内..我有一个函数，users.index=np.arange（0，len（users））这不返回任何内容…users.loc[start:end:]空的数据帧，但是users.dataframe有内容

In [21]: %timeit (df.loc[('chr1', slice(3000714, 3001110)),:])
1000 loops, best of 3: 757 µs per loop

In [22]: %timeit (df.loc(axis=0)[('chr1', slice(3000714, 3001110))])
1000 loops, best of 3: 743 µs per loop

In [23]: %timeit (df.loc[('chr1', [3000714, 3001110]),:])
1000 loops, best of 3: 824 µs per loop

In [24]: %timeit (df.loc[pd.IndexSlice['chr1', [3000714, 3001110]],:])
The slowest run took 5.35 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 826 µs per loop