Question

我有一个像这样的MultiIndex系列：

import numpy as np
import pandas as pd

buckets = np.repeat(['a','b','c'], [3,5,1])
sequence = [0,1,5,0,1,2,4,50,0]

s = pd.Series(
    np.random.randn(len(sequence)), 
    index=pd.MultiIndex.from_tuples(zip(buckets, sequence))
)

# In [6]: s
# Out[6]: 
# a  0    -1.106047
#    1     1.665214
#    5     0.279190
# b  0     0.326364
#    1     0.900439
#    2    -0.653940
#    4     0.082270
#    50   -0.255482
# c  0    -0.091730

我想得到s ['b']值，其中第二个索引（'sequence'）在2到10之间。

切换第一个索引可以正常工作：

s['a':'b']
# Out[109]: 
# bucket  value
# a       0        1.828176
#         1        0.160496
#         5        0.401985
# b       0       -1.514268
#         1       -0.973915
#         2        1.285553
#         4       -0.194625
#         5       -0.144112

但不是第二种，至少看起来似乎是两种最明显的方式：

1）返回元素1到4，与索引值

无关

s['b'][1:10]

# In [61]: s['b'][1:10]
# Out[61]: 
# 1     0.900439
# 2    -0.653940
# 4     0.082270
# 50   -0.255482

但是，如果我反转索引并且第一个索引是整数而第二个索引是字符串，则它可以工作：

In [26]: s
Out[26]: 
0   a   -0.126299
1   a    1.810928
5   a    0.571873
0   b   -0.116108
1   b   -0.712184
2   b   -1.771264
4   b    0.148961
50  b    0.089683
0   c   -0.582578

In [25]: s[0]['a':'b']
Out[25]: 
a   -0.126299
b   -0.116108

Answer 1

作为Robbie-Clarken answers，自0.14起，您可以传递slice in the tuple you pass to loc：

In [11]: s.loc[('b', slice(2, 10))]
Out[11]:
b  2   -0.65394
   4    0.08227
dtype: float64

实际上，您可以为每个级别传递一个切片：

In [12]: s.loc[(slice('a', 'b'), slice(2, 10))]
Out[12]:
a  5    0.27919
b  2   -0.65394
   4    0.08227
dtype: float64

注意：切片是包容性的。

旧答案：

您也可以使用以下方式执行此操作：

s.ix[1:10, "b"]

（在单个ix / loc / iloc中这是一个很好的做法，因为这个版本允许分配。）

这个答案是在2013年初的introduction of iloc之前写的，即位置/整数位置 - 在这种情况下可能是首选。创建它的原因是为了消除整数索引的pandas对象的歧义，并且更具描述性：＆＃34;我在位置切片＆＃34;。

s["b"].iloc[1:10]

那就是说，我有点不同意ix的文档：

最强大，最一致的方式

不是，最一致的方式是描述你正在做的事情：

使用loc标签
将iloc用于职位
使用ix（如果你真的需要）

请记住zen of python：

显式优于隐式

Answer 2

从pandas 0.14.0开始，通过提供.loc包含slice multi-indexed objects个对象的元组，可以slice：

In [2]: s.loc[('b', slice(2, 10))]
Out[2]:
b  2   -1.206052
   4   -0.735682
dtype: float64

Answer 3

我能想到的最好的方法是使用＆＃39; select＆＃39;在这种情况下。虽然它甚至在文档中说过＆＃34;只有在没有更直接的方式时才应该使用此方法。＆＃34;

Indexing and selecting data

In [116]: s
Out[116]: 
a  0     1.724372
   1     0.305923
   5     1.780811
b  0    -0.556650
   1     0.207783
   4    -0.177901
   50    0.289365
   0     1.168115

In [117]: s.select(lambda x: x[0] == 'b' and 2 <= x[1] <= 10)
Out[117]: b  4   -0.177901

Answer 4

在熊猫0.24.1上有效：

s.loc['b', 2:10]

输出：

b  2   -0.503023
   4    0.704880
dtype: float64

不确定首先支持哪个版本。

与DataFrame稍有不同（source）：

df.loc(axis=0)['b', 2:10]

Answer 5

不确定这是否理想，但它可以通过创建遮罩

来实现

In [59]: s.index
Out[59]: 
MultiIndex
[('a', 0) ('a', 1) ('a', 5) ('b', 0) ('b', 1) ('b', 2) ('b', 4)
 ('b', 50) ('c', 0)]
In [77]: s[(tpl for tpl in s.index if 2<=tpl[1]<=10 and tpl[0]=='b')]                                                               
Out[77]: 
b  2   -0.586568
   4    1.559988

编辑：海登的解决方案是要走的路

pandas：按二级索引的范围切片MultiIndex

5 个答案:

旧答案：