Python 基于整数的多索引数据帧（K，N）索引

假设我有一个排序的多索引数据帧：

color  food      one        two
green  ham   0.565738  1.545659
       eggs -0.974236 -0.070345
red    eggs  1.033801 -2.400454
       ham  -0.785435  0.462060
       pork  0.704228  0.523508

...

如何检索与第一级的第k个值相关的所有元素。例如，如果

K=2

，我们将检索：

red    eggs  1.033801 -2.400454
       ham  -0.785435  0.462060
       pork  0.704228  0.523508

更一般地说，对于多级数据帧，

iloc

的语法是什么

更新： 查看GitHub上的这张票，了解主题的后续信息：

非常完整，阅读和实验是值得的：

按标签选择

In [18]: df.loc[['green']]
Out[18]: 
                 one       two
green ham   0.261355  0.182691
      eggs  0.243253 -0.360223

[2 rows x 2 columns]

如果需要，可以直接使用iloc编制索引

In [24]: df.iloc[0:2]
Out[24]: 
                 one       two
green ham   0.261355  0.182691
      eggs  0.243253 -0.360223

[2 rows x 2 columns]

这将为级别=0上的每个值最多提供第k个（在本例中为2）值

In [35]: df.groupby(level=0).head(2)
Out[35]: 
                 one       two
green ham   0.261355  0.182691
      eggs  0.243253 -0.360223
red   eggs -0.147635  0.555402
      ham   1.815182  0.158497

[4 rows x 2 columns]

这里是第n个值（k-1）；如果组没有密钥，则不会为该密钥返回任何内容

In [36]: df.groupby(level=0).nth(2)
Out[36]: 
               one       two
red pork -0.158261 -0.963434

[1 rows x 2 columns]

In [37]: df.groupby(level=0).nth(1)
Out[37]: 
                 one       two
green eggs  0.243253 -0.360223
red   ham   1.815182  0.158497

[2 rows x 2 columns]

---

假设您正在查找与n级别上的Kth值关联的所有行：

df.xs(df.index.levels[N][K], level=N)

---

谢谢@Jeff-我真的尝试了很多组合，假设

k=1

，那么

df.iloc[1]

或

df.xs（1）

都不会给我想要的

df.iloc[1]

只返回一行，

df.xs（1）

返回带有

KeyError

Jeff-我想使用

k

索引，而不是该位置的索引值。换句话说，我希望在这里使用类似于

iloc

的东西。我在OP.Jeff上留下了一条评论-你的第二个答案假设我知道在第一级的索引

k

中第二级有多少个值。当使用随机

k

进行索引时，我不知道这一点。谢谢-尽管我敢说唯一真正做这项工作的是最后一个。在这一点上，我感到惊讶的是

loc['label']

检索了后续级别的所有条目，但

iloc[k]

仅返回一个。使用“label”的指定会命中多个索引，并且它假定为第0级，因此它会满足您的要求，而iloc则不关心索引，因此它只提供一个条目。pandas试图“聪明”（有时可能太聪明）这不是一种稳健的方法，它为我提出了大多数K和N。很好的一点，你需要将level param传递给xs，然后它就可以工作了。我编辑了答案。@AndyHayden是新的解决方案（编辑后）在熊猫中的“犹太”吗？很高兴听到你对这件事的想法。我还向OP添加了一个更新。我仍然不认为我会这样做，因为太容易出现索引错误：S@andy对不起，我迟到了，你能给我举个例子吗？如果使用正确的话，它看起来应该一直有效。。。如果没有，也不用担心。