Python pd.indexlice列表

输入：

输出：

midx = pd.MultiIndex.from_product([['A0','A1'], ['B0','B1','B2','B3']])
columns = ['foo', 'bar']
t = pd.DataFrame(np.arange(16).reshape((len(midx), len(columns))),
                    index=midx, columns=columns)

t.loc(axis=0)[v]

pd.concat([t.loc[v,:]]*2)

问题:

让

v=pd.indexlice['A0'，'B0'：'B1']

。我可以访问

t.loc[v，：]

：

In [6]: t
Out[6]:
       foo  bar
A0 B0    0    1
   B1    2    3
   B2    4    5
   B3    6    7
A1 B0    8    9
   B1   10   11
   B2   12   13
   B3   14   15

从

[v，v]

中，如何获取以下数据帧

In [13]: t.loc[v,:]
Out[13]:
       foo  bar
A0 B0    0    1
   B1    2    3

我无法指定这些多索引切片器的列表：

t.loc[[v，v]，：]

将引发异常：

无法处理的类型：“切片”

。为什么会这样？使用标量时，我可以很容易地列出所需的loc:

t.loc[[（'A0'，'B0'），（'A0'，'B1'），：]

试试：

In [13]: f([v,v])
Out[13]:
       foo  bar
A0 B0    0    1
   B1    2    3
   B0    0    1
   B1    2    3

应该是：

t.loc[tuple(zip(v, v)),:]

试着用上面的形式

u = (['A0', 'A1'], [slice('B0', 'B1', None), slice('B0', 'B1', None)])

---

---

使用

loc

的一个鲜为人知且未使用的参数

axis=0

：

您还可以将axis参数指定为.loc以解释传递的 单轴切片机

输出：

midx = pd.MultiIndex.from_product([['A0','A1'], ['B0','B1','B2','B3']])
columns = ['foo', 'bar']
t = pd.DataFrame(np.arange(16).reshape((len(midx), len(columns))),
                    index=midx, columns=columns)

t.loc(axis=0)[v]

pd.concat([t.loc[v,:]]*2)

根据更新的意见和问题澄清解决：

       foo  bar
A0 B0    0    1
   B1    2    3

输出：

midx = pd.MultiIndex.from_product([['A0','A1'], ['B0','B1','B2','B3']])
columns = ['foo', 'bar']
t = pd.DataFrame(np.arange(16).reshape((len(midx), len(columns))),
                    index=midx, columns=columns)

t.loc(axis=0)[v]

pd.concat([t.loc[v,:]]*2)

---

请描述预期输出，我们可以告诉您切片操作的最佳方式。也许也值得一看。我认为这超出了目前索引多索引数据帧的限制。这里有一个解决方法

pd.concat（[t.loc[v，：]]*2）

Yep，我最终使用了concat。我只是想知道。。。我认为

t.loc[[v，v]，：]

是实现这一点的好语法。谢谢我编辑我的问题是为了在期望的输出上清晰。我编辑我的问题是为了在期望的输出上清晰。