为什么使用 Pandas 多级索引数据框切片似乎不一致？

Question

为什么在切分多级索引的数据框时，只要切分第0级索引，你就可以使用更简单的语法？以下是一个示例数据框：

           hi
a b   c      
1 foo baz   0
      can   1
  bar baz   2
      can   3
2 foo baz   4
      can   5
  bar baz   6
      can   7
3 foo baz   8
      can   9
  bar baz  10
      can  11

以下内容是有效的：

df.loc[1, 'foo', :]
df.loc[1, :, 'can']

虽然这并不会：

df.loc[:, 'foo', 'can']

强制我使用其中之一：

df.loc[(slice(None), 'foo', 'can'), :]
df.loc[pd.IndexSlice[:, 'foo', 'can'], :]

以下是同样的例子，但加入了更多细节：

In [1]: import pandas as pd
import numpy as np

ix = pd.MultiIndex.from_product([[1, 2, 3], ['foo', 'bar'], ['baz', 'can']], names=['a', 'b', 'c'])
data = np.arange(len(ix))
df = pd.DataFrame(data, index=ix, columns=['hi'])
print df

           hi
a b   c      
1 foo baz   0
      can   1
  bar baz   2
      can   3
2 foo baz   4
      can   5
  bar baz   6
      can   7
3 foo baz   8
      can   9
  bar baz  10
      can  11

In [2]: df.sort_index(inplace=True)
print df.loc[1, 'foo', :]

           hi
a b   c      
1 foo baz   0
      can   1

In [3]: print df.loc[1, :, 'can']

           hi
a b   c      
1 bar can   3
  foo can   1

In [4]: print df.loc[:, 'foo', 'can']

KeyError: 'the label [foo] is not in the [columns]'

In [5]: print df.loc[(slice(None), 'foo', 'can'), :]

           hi
a b   c      
1 foo can   1
2 foo can   5
3 foo can   9

In [6]: print df.loc[pd.IndexSlice[:, 'foo', 'can'], :]

           hi
a b   c      
1 foo can   1
2 foo can   5
3 foo can   9

- MarredCheese

Answer 1

这三个例子在技术上是有歧义的，但在前两个例子中，Pandas能够正确地猜测你的意图。由于对行进行切片、选择列（即 df.loc[:, columns]）是一种常见的惯用语，推断似乎选择了这种解释。

推断有点混乱，所以我认为更好的做法是明确表达。如果给IndexSlice设置别名，增加的输入量也不多：

idx = pd.IndexSlice
df.loc[idx[1, 'foo'], :]
df.loc[idx[1, :, 'can'], :]
df.loc[idx[:, 'foo', 'can'], :]

- chrisb

---

为什么 df.loc[:, columns] 是一个常见的习惯用语，而 df[columns] 看起来似乎可以做同样的事情？我可能错过了一些微妙之处。 - MarredCheese

通常情况下它会做相同的事情...除非由于回退而不这样做。在github上有一个问题列出了所有可能性 - https://github.com/pydata/pandas/issues/9595 - 如上所述，这有点混乱，目前主要是为了向后兼容。 - chrisb