Python 数据帧的多级切片

我有3个数据帧：

import pandas as pd
df1 =  pd.DataFrame( np.random.randn(100,4), index = pd.date_range('1/1/2010', periods=100), columns = {"A", "B", "C", "D"}).T.sort_index()
df2 =  pd.DataFrame( np.random.randn(100,4), index = pd.date_range('1/1/2010', periods=100), columns = {"A", "B", "C", "D"}).T.sort_index()
df3 =  pd.DataFrame( np.random.randn(100,4), index = pd.date_range('1/1/2010', periods=100), columns = {"A", "B", "C", "D"}).T.sort_index()

我将它们连接起来，创建具有多个级别的数据帧：

df_c = pd.concat([df1, df2, df3], axis = 1, keys = ["df1", "df2", "df3"])

交换级别和排序：

df_c.columns = df_c.columns.swaplevel(0,1)
df_c = df_c.reindex_axis(sorted(df_c.columns), axis = 1)


ipdb> df_c
    2010-01-01                     2010-01-02
     df1       df2       df3        df1       df2       df3
A  -0.798407  0.124091  0.271089   0.754759 -0.575769  1.501942
B   0.602091 -0.415828  0.152780   0.530525  0.118447  0.057240
C  -0.440619 -1.074837 -0.618084   0.627520 -1.298814  1.029443
D  -0.242851 -0.738948 -1.312393   0.559021  0.196936 -1.074277

我希望对其进行切片以获得单个行的值，但到目前为止，我只实现了这种程度的切片：

cols = df_c.T.index.get_level_values(0)

ipdb> df_c.xs(cols[0], axis = 1, level = 0)
        df1       df2       df3
A -0.798407  0.124091  0.271089
B  0.602091 -0.415828  0.152780
C -0.440619 -1.074837 -0.618084
D -0.242851 -0.738948 -1.312393

我发现获取每个原始数据的值的唯一方法是定义一个新的数据帧

   slcd_df = df_c.xs(cols[0], axis = 1, level = 0)

然后使用常规程序选择行：

  ipdb> slcd_df.ix["A", :]
  df1   -0.798407
  df2    0.124091
  df3    0.271089

但我想知道是否有更好的（意味着更快更优雅的）方法来分割多级数据帧

您可以使用：

或者您也可以使用

切片（无）

：

---

您的解决方案更好，但是python抛出了一个错误，表示索引必须完全被排序，这是索引未排序时的常见错误。它在这里使用的虚拟数据上工作，但在实际数据上可能失败，对吗？按说明使用

排序索引

。准确无误。我已经对数据进行了排序并删除了一些重复的值，但错误仍然存在。无论如何，谢谢你的回答！您是否使用了df.sort\u索引（axis=1）？您想在此处对列进行排序。

sort\u index

的默认值是rows。是的，我记得我曾经遇到过这个问题。问题是我无法对子级别进行排序（本例中为df1、df2、df3）。在我的例子中，我有更多的子级别（count、rank3、rank5、rank10），但我从未想过如何对它们进行排序：

idx = pd.IndexSlice
sliced = df_c.loc["A", idx["2010-01-01", :]]
print(sliced)

2010-01-01  df1    0.199332
            df2    0.887018
            df3   -0.346778
Name: A, dtype: float64

print(df_c.loc["A", ("2010-01-01", slice(None))])

2010-01-01  df1    0.199332
            df2    0.887018
            df3   -0.346778
Name: A, dtype: float64