Python 如何在多索引中选择级别组合？

我有以下数据帧：

import numpy as np
import pandas as pd

index = pd.MultiIndex.from_product([[1, 2], ['a', 'b', 'c'], ['a', 'b', 'c']],
                                   names=['one', 'two', 'three'])

df = pd.DataFrame(np.random.rand(18, 3), index=index)

            0           1           2
one two three           
1   a   b   0.002568    0.390393    0.040717
        c   0.943853    0.105594    0.738587
    b   b   0.049197    0.500431    0.001677
        c   0.615704    0.051979    0.191894
2   a   b   0.748473    0.479230    0.042476
        c   0.691627    0.898222    0.252423
    b   b   0.270330    0.909611    0.085801
        c   0.913392    0.519698    0.451158

我想选择索引级别

两个

和

三个

组合为

（a，b）

或

（b，c）

的行。我该怎么做

我尝试了

df.loc[（片（无），['a'，'b'，['b'，'c']），：]

，但这给了我

[a，b]

和

[b，c]

的所有组合，包括

（a，c）

和

（b，b）

，这是不需要的

我尝试了

df.loc[pd.MultiIndex.from_tuples（[（None，'a'，'b'），（None，'b'，'c'）]）

，但在索引的

one层返回
NaN

df.loc[pd.MultiIndex.from_tuples([(None, 'a', 'b'), (None, 'b', 'c')])]

            0   1   2
NaN a   b   NaN NaN NaN
    b   c   NaN NaN NaN

所以我想我需要一个
one
级别的切片，但这给了我一个
TypeError
：

pd.MultiIndex.from_tuples([(slice(None), 'a', 'b'), (slice(None), 'b', 'c')])

TypeError: unhashable type: 'slice'

我觉得这里缺少了一些简单的一行：）。
使用：

更新：我们也可以动态生成这样的“查询”：

In [185]: l = [('a','b'), ('b','c')]

In [186]: q = ' or '.join(["(two=='{}' and three=='{}')".format(x,y) for x,y in l])

In [187]: q
Out[187]: "(two=='a' and three=='b') or (two=='b' and three=='c')"

In [188]: df.query(q)
Out[188]:
                      0         1         2
one two three
1   a   b      0.211555  0.193317  0.623895
    b   c      0.685047  0.369135  0.899151
2   a   b      0.082099  0.555929  0.524365
    b   c      0.901859  0.068025  0.742212

这里有一种使用
loc
和
get\u level\u值的方法

In [3231]: idx = df.index.get_level_values

In [3232]: df.loc[((idx('two') == 'a') & (idx('three') == 'b')) |
                  ((idx('two') == 'b') & (idx('three') == 'c'))]
Out[3232]:
                      0         1         2
one two three
1   a   b      0.442332  0.380669  0.832598
    b   c      0.458145  0.017310  0.068655
2   a   b      0.933427  0.148962  0.569479
    b   c      0.727993  0.172090  0.384461

通用方式

In [3262]: conds = [('a', 'b'), ('b', 'c')]

In [3263]: mask = np.column_stack(
                      [(idx('two') == c[0]) & (idx('three') == c[1]) for c in conds]
                    ).any(1)

In [3264]: df.loc[mask]
Out[3264]:
                      0         1         2
one two three
1   a   b      0.442332  0.380669  0.832598
    b   c      0.458145  0.017310  0.068655
2   a   b      0.933427  0.148962  0.569479
    b   c      0.727993  0.172090  0.384461

我看到了一个好问题。我投赞成票ᴏʟᴅsᴘᴇᴇᴅ, 对于多索引-仅当它们命名为…；-）而且，不应该与列名冲突。一个懒惰的
pd.concat（[df.loc[（slice（None），+x，：]对于[（'A'，'b'），（'b'，'c'）]]）
代码段，必须有更好的方法来使用多个切片。谢谢@MaxU！只是对你回答的速度感到困惑：）。因此，对于我的最小示例，查询非常有效。我实际上有很多组合可供选择。动态构造一个长字符串查询感觉有点笨拙-还有“矢量化”方法吗？@MaxU——我知道，所以我说lazy，不知道如何使用切片进行多线程查询
In [3262]: conds = [('a', 'b'), ('b', 'c')]

In [3263]: mask = np.column_stack(
                      [(idx('two') == c[0]) & (idx('three') == c[1]) for c in conds]
                    ).any(1)

In [3264]: df.loc[mask]
Out[3264]:
                      0         1         2
one two three
1   a   b      0.442332  0.380669  0.832598
    b   c      0.458145  0.017310  0.068655
2   a   b      0.933427  0.148962  0.569479
    b   c      0.727993  0.172090  0.384461