Python 具有多索引的Dataframe筛选器：返回顶级索引级别的所有行给定值筛选器

我正在寻找返回所有给定多个最终值条件的第一层数据的语法。我一直在阅读和寻找使用.loc或.xs的过滤解决方案，但我完全可以得到我想要的语法。 我过去使用xpath，本质上我只想要A[B[@x=1和@y=2]

我已经尝试了很多我熟悉的语法排列，使用df.loc df.xs mutlti[]的形式，还有一点使用df.index.get_level_values（）等

因此，从这样的数据帧：

xy
A B
a b12
f 4 5
a c 3 4
b d 15

b c 1 2
c d23

我想搜索x和y的特定组合，并返回索引级别的所有行

所以我想要x=1，y=2，得到

xy
A B
a b12
a f45
a c34
b d15
b c12

因为给定a中至少有一行匹配

更好的更普遍的解决方案是搜索特定B的x值和特定不同B的y值

（试图更清楚）：我的意思是，我可能只对组合特定的B值感兴趣，而不是我正在寻找的最终级别值。 下面是B1=b和x=3。所以我混合了匹配一个值和匹配一个索引值。而之前我限制了两个最终值。同样，我在xpath中设想了这一点，比如

//A[B[local-name（）==B和@x=3]和B[local-name（）==f和@y=5]

（我想我是对的）

例如，B1=b:x=3，B2=f:y=5。返回：

xy
A B
ab12
af45
a c 3 4

谢谢

您可以通过以下几个步骤创建数据帧：

A_idx = df.query('x == 1 & y == 2').index.get_level_values('A')
res = df.query('A in @A_idx')

print(res)

#      x  y
# A B      
# a b  1  2
#   f  4  5
#   c  3  4
# b d  1  5
#   c  1  2

设置

df = pd.DataFrame([['a', 'b', 1, 2], ['a', 'f', 4, 5], ['a', 'c', 3, 4],
                   ['b', 'd', 1, 5], ['b', 'c', 1, 2], ['c', 'd', 2, 3]],
                  columns=['A', 'B', 'x', 'y'])

df = df.set_index(['A', 'B'])

---

如果要查找的值包含在

x

和

y

列中，则可以在级别='A'上使用

groupby

，并在为每个

x

和

y

列创建

标志后使用

现在，如果您希望
x
和
y
都满足
B
和相同
A
的任何值的条件，您可以在每个标志上使用
any
，并使用
和
查找这两个：

print (df.groupby(level='A').filter(lambda dfg: dfg.flagx.any() & dfg.flagy.any() )
         .drop(['flagx','flagy'],axis=1))
     x  y
A B      
a b  1  2
  f  4  5
  c  3  4
b d  1  5
  c  1  2

如果希望在同一行上同时满足
x
和
y
上的两个条件，则可以通过更改
过滤器中
任意
和
的位置来实现：

print (df.groupby(level='A').filter(lambda dfg: (dfg.flagx & dfg.flagy).any() )
         .drop(['flagx','flagy'],axis=1))
     x  y
A B      
b d  1  5
  c  1  2

使用
groupby
+
transform
+
any

df[df.eq({'x':1,'y':2}).groupby(level=0).transform('any').any(1)]
     x  y
A B      
a b  1  2
  f  4  5
  c  3  4
b d  1  5
  c  1  2

你能更清楚地说明问题的第二部分吗？是否必须满足所有条件，以及以何种组合？或者你还在按
A
进行过滤吗？新年快乐：-）这对该示例数据集非常有效。是否可以调整以容纳带有空格的索引。。。例如，“A 2”而不是“A”？快速阅读空间和查询似乎不太合拍。谢谢（新年快乐！）@DontJudgeMyADD，您可以随时使用
loc
，例如将
df.query（'x==1&y==2'）
替换为
df.loc[df['x'].eq（1）和df['y'].eq（2）)
。新年快乐！@W-B，新年快乐！祝你新年快乐：-）@W-B你也是，关于stackoverflow的很多答案：-）谢谢，我成功了。它还允许我非常轻松地处理带有空格的索引。谢谢！新年快乐！很好的方法
eq
，在a
dict
：-）嗨！返回这是一张空白的桌子，我错过了dict设置，对吗？Thanks@DontJudgeMyADD{'x'：1，'y'：2}这是我使用的dict。在我身边工作得很好谢谢@W-B，我不知道为什么它对我不起作用。我直接复制粘贴了它，无法获取.eq（）我已经搜索了很长一段时间，也找不到一个关于使用.eq的好教程。
df[df.eq({'x':1,'y':2}).groupby(level=0).transform('any').any(1)]
     x  y
A B      
a b  1  2
  f  4  5
  c  3  4
b d  1  5
  c  1  2