Python 基于第二个索引在数据帧中保留行标签子集

给定一个层次索引包含三个级别（实验、试用、插槽）的数据帧和一个层次索引包含两个级别（实验、试用）的第二个数据帧，如何删除第一个数据帧中（实验、试用）不包含在第二个数据帧中的所有行

示例数据：

from io import StringIO
import pandas as pd

df1_data = StringIO(u',experiment,trial,slot,token\n0,btn144a10_p_RDT,0,0,4.0\n1,btn144a10_p_RDT,0,1,14.0\n2,btn144a10_p_RDT,1,0,12.0\n3,btn144a10_p_RDT,1,1,14.0\n4,btn145a07_p_RDT,0,0,6.0\n5,btn145a07_p_RDT,0,1,19.0\n6,btn145a07_p_RDT,1,0,17.0\n7,btn145a07_p_RDT,1,1,13.0\n8,chn004b06_p_RDT,0,0,6.0\n9,chn004b06_p_RDT,0,1,8.0\n10,chn004b06_p_RDT,1,0,2.0\n11,chn004b06_p_RDT,1,1,5.0\n12,chn008a06_p_RDT,0,0,12.0\n13,chn008a06_p_RDT,0,1,14.0\n14,chn008a06_p_RDT,1,0,6.0\n15,chn008a06_p_RDT,1,1,4.0\n16,chn008b06_p_RDT,0,0,3.0\n17,chn008b06_p_RDT,0,1,13.0\n18,chn008b06_p_RDT,1,0,12.0\n19,chn008b06_p_RDT,1,1,19.0\n20,chn008c04_p_RDT,0,0,17.0\n21,chn008c04_p_RDT,0,1,2.0\n22,chn008c04_p_RDT,1,0,1.0\n23,chn008c04_p_RDT,1,1,6.0\n')
df1 = pd.DataFrame.from_csv(df1_data).set_index(['experiment', 'trial', 'slot'])

df2_data = StringIO(u',experiment,trial,target\n0,btn145a07_p_RDT,1,13\n1,chn004b06_p_RDT,1,9\n2,chn008a06_p_RDT,0,15\n3,chn008a06_p_RDT,1,15\n4,chn008b06_p_RDT,1,1\n5,chn008c04_p_RDT,1,12\n')
df2 = pd.DataFrame.from_csv(df2_data).set_index(['experiment', 'trial'])

第一个数据帧看起来像：

                            token
experiment      trial slot       
btn144a10_p_RDT 0     0         4
                      1        14
                1     0        12
                      1        14
btn145a07_p_RDT 0     0         6
                      1        19
                1     0        17
                      1        13
chn004b06_p_RDT 0     0         6
                      1         8
                1     0         2
                      1         5
chn008a06_p_RDT 0     0        12
                      1        14
                1     0         6
                      1         4
chn008b06_p_RDT 0     0         3
                      1        13
                1     0        12
                      1        19
chn008c04_p_RDT 0     0        17
                      1         2
                1     0         1
                      1         6

                       target
experiment      trial        
btn145a07_p_RDT 1          13
chn004b06_p_RDT 1           9
chn008a06_p_RDT 0          15
                1          15
chn008b06_p_RDT 1           1
chn008c04_p_RDT 1          12

第二个数据帧看起来像：

                            token
experiment      trial slot       
btn144a10_p_RDT 0     0         4
                      1        14
                1     0        12
                      1        14
btn145a07_p_RDT 0     0         6
                      1        19
                1     0        17
                      1        13
chn004b06_p_RDT 0     0         6
                      1         8
                1     0         2
                      1         5
chn008a06_p_RDT 0     0        12
                      1        14
                1     0         6
                      1         4
chn008b06_p_RDT 0     0         3
                      1        13
                1     0        12
                      1        19
chn008c04_p_RDT 0     0        17
                      1         2
                1     0         1
                      1         6

                       target
experiment      trial        
btn145a07_p_RDT 1          13
chn004b06_p_RDT 1           9
chn008a06_p_RDT 0          15
                1          15
chn008b06_p_RDT 1           1
chn008c04_p_RDT 1          12

我想要的结果：

                            token
experiment      trial slot       
btn145a07_p_RDT 1     0        17
                      1        13
chn004b06_p_RDT 1     0         2
                      1         5
chn008a06_p_RDT 0     0        12
                      1        14
                1     0         6
                      1         4
chn008b06_p_RDT 1     0        12
                      1        19
chn008c04_p_RDT 1     0         1
                      1         6

---

一种方法是使用

您只需要将

合并的
重新索引到您喜欢的任何位置（我无法从问题中准确判断）。
应该工作的是

df1.loc[df2.index] 

但是多索引仍然存在一些问题。工作是什么

df1.reset_index(2).loc[df2.index].set_index('slot', append=True)

这是一个关于这个问题的小技巧。注意

df1.loc[df2.index[:1]] 

在工作时给垃圾

df.loc[df2.index[0]] 

给你期望的。因此，将多个值从m级索引传递到n级索引，其中n>m>2不起作用，尽管它应该起作用。
您的代码给出
TypeError:initial_值必须是unicode或None，而不是str
。Hmm。我通过复制和粘贴StackOverflow问题中的代码重新测试，没有得到类型错误。我想知道是不是因为Python版本？这是在Python3和Pandas 0.16.1上实现的。我用Unicode的数据字符串更新了代码。谢谢！这是有道理的（我使用了一种类似的方法来使用join方法，但我认为我可以通过某种方式让reindex方法实现我想要的功能）。两个答案都是正确的（由Amy Tavory和JoeCondron发布）。处理此问题有多种方法，因为最明显的方法（
df1.loc[df2.index]
）在当前版本的Pandas（0.16.1）中不起作用。请将此标记为正确，因为它包含了明显方法不起作用的解释。