Python 蟒蛇熊猫，我如何传递冒号&引用；通过变量发送到索引器

我正在研究一种方法，它最终将处理来自大型多索引数据帧的数据片。我可以为每个索引器生成掩码（基本上是定义切片的值列表）：

这很好，但在某些情况下，我真的希望选择这些轴上的所有东西，相当于：

df.loc[idx[a_mask,b_mask],idx[:,d_mask]]

是否有一种方法可以将冒号“：”作为变量传递到中，以替换第二个示例中的c_掩码？理想情况下，我只需将c_掩码设置为一个值，如“：”，但这当然不起作用（而且不应该这样做，因为如果我们有一个名为that的列会怎么样…）。但有没有办法通过变量传递一个值，该变量沿着其中一个索引器传递“整个轴”

我确实意识到我可以生成一个掩码，通过沿适当的轴聚集所有值来选择所有内容，但这并不重要，而且会添加大量代码。同样，我可以将数据帧访问分为5种场景（一种场景中有一个：另一种场景中有四个掩码），但这似乎不符合干燥原则，而且仍然很脆弱，因为它无法处理多方向整片选择

那么，我能通过变量传入的任何东西都会在索引器中选择整个方向，比如：would？还是有一种更优雅的方式可以选择整个方向？

idx[slice（None）]

相当于

idx[：]

所以这些都是等价的

In [11]: df = DataFrame({'A' : np.random.randn(9)},index=pd.MultiIndex.from_product([range(3),list('abc')],names=['first','second']))

In [12]: df
Out[12]: 
                     A
first second          
0     a      -0.668344
      b      -1.679159
      c       0.061876
1     a      -0.237272
      b       0.136495
      c      -1.296027
2     a       0.554533
      b       0.433941
      c      -0.014107

In [13]: idx = pd.IndexSlice

In [14]: df.loc[idx[:,'b'],]
Out[14]: 
                     A
first second          
0     b      -1.679159
1     b       0.136495
2     b       0.433941

In [15]: df.loc[idx[slice(None),'b'],]
Out[15]: 
                     A
first second          
0     b      -1.679159
1     b       0.136495
2     b       0.433941

In [16]: df.loc[(slice(None),'b'),]
Out[16]: 
                     A
first second          
0     b      -1.679159
1     b       0.136495
2     b       0.433941

---

完美的我可以把它传过去。现在我在文档中也看到了：）

In [11]: df = DataFrame({'A' : np.random.randn(9)},index=pd.MultiIndex.from_product([range(3),list('abc')],names=['first','second']))

In [12]: df
Out[12]: 
                     A
first second          
0     a      -0.668344
      b      -1.679159
      c       0.061876
1     a      -0.237272
      b       0.136495
      c      -1.296027
2     a       0.554533
      b       0.433941
      c      -0.014107

In [13]: idx = pd.IndexSlice

In [14]: df.loc[idx[:,'b'],]
Out[14]: 
                     A
first second          
0     b      -1.679159
1     b       0.136495
2     b       0.433941

In [15]: df.loc[idx[slice(None),'b'],]
Out[15]: 
                     A
first second          
0     b      -1.679159
1     b       0.136495
2     b       0.433941

In [16]: df.loc[(slice(None),'b'),]
Out[16]: 
                     A
first second          
0     b      -1.679159
1     b       0.136495
2     b       0.433941