Python 索引数据帧，其中（多）索引仅包含部分数据帧'；s级

我希望获取一个具有多索引的数据帧，并使用另一个（多）索引对其进行索引，该索引包含数据帧级别的严格子集。数据帧中不在其他（多）索引中的级别应返回所有行。例如：

>>> df
              col
num chr
1   a    0.845402
    b    0.099432
    c    0.507409
2   a    0.684363
    b    0.582436
    c    0.666528

>>> df['col'].unstack('chr').mean()
chr
a    0.764883
b    0.340934
c    0.586968
dtype: float64

>>> df['col'].unstack('chr').mean().nsmallest(2)
chr
b    0.340934
c    0.586968
dtype: float64

>>> df['col'].unstack('chr').mean().nsmallest(2).index
Index(['b', 'c'], dtype='object', name='chr')

现在，我想返回

'chr'

级别中包含

'b'

或

'c'

的

df

的所有行，以及

'num'

级别中的任何值。此外，我想尝试同样的方法，在最后一步中返回的索引是

多索引

（即当

df

的索引有两个以上级别时）：

---

我想选择

df

的所有行，其索引包含

（'b'，'bar'）

或

（'c'，'baz'）

，在最后两个级别和

'num'

级别中的任何值。

我只能使用

获取级别值和
isin

s=df['col'].mean(level=[1,2]).nsmallest(2).index.tolist()

df[pd.Series(list(zip(df.index.get_level_values(1),df.index.get_level_values(2)))).isin(s).values]
Out[163]:
                  col
num chr foo
1   b   bar  0.240376
    c   baz  0.265628
2   b   bar  0.729979
    c   baz  0.821503

我认为最干净的解决方案可能是单独检索所需的行，并
pd.concat
。对于
索引
解决方案：

idx = df['col'].unstack(['chr', 'foo']).mean().nsmallest(2).index
selected = pd.concat([df.xs(label, level=idx.name, drop_level=False) 
                      for label in idx],
                     axis=0)

当
idx
是一个
多索引时，使用
level=idx.names
。
Yikes。。。希望有一个更地道的说法solution@BallpointBen为什么不重置索引（）？多重索引仍在开发中，因此可能会有更多潜在问题
idx = df['col'].unstack(['chr', 'foo']).mean().nsmallest(2).index
selected = pd.concat([df.xs(label, level=idx.name, drop_level=False) 
                      for label in idx],
                     axis=0)