Python Pandas 使用 .loc 跨列级别多重索引

我对 python 和 pandas 仍然很陌生，想知道是否有更好的方法来解决我遇到的索引问题。因为我看到人们在这个网站上做了非常巧妙的事情，超出了我通常可以从文档中收集到的内容，所以我想我会问——特别是因为我还在学习。

我有一个包含多个列的 DataFrame级别，级别 0 是“meta”和“rna”，级别 1 是“meta”下的“subject_id”、“疾病”、“时间”和“状态”，“rna”下有数千个 EnsemblGeneID。对我来说，如果我想要“元”列的特定子集和所有“rna”列，我只需将元组列表传递给 df.loc[] ：

selected_columns = df.loc[:, [("meta", "subject_id"), ("meta", "status"), ("rna",:)]]

但这不起作用，并且根据文档，似乎没有什么比这更优雅的了。有谁知道执行此操作的一种巧妙方法？

我尝试了各种将东西传递给 df.loc[] 进行实验的方法，但大多数都因各种按键错误、切片错误等而出错，以及我能得到什么工作远没有想象中那么优雅。仍在尝试弄清楚我是否可以使用索引器，但与单级 dfs 相比，这似乎过于复杂。

我发现的最有效的方法是 ChatGPT 建议的：

selected_columns = df.loc[:, [('meta', 'subject_id'), ('meta', 'status')] + [('rna', col) for col in df['rna'].columns]]

也许这就是最巧妙的，但这并不像单级 DataFrame 的工作方式那么直观，而且我之前在这里看到过一些魔法，所以想在这里尝试一下。另外，也许一些经验丰富的Python开发人员可以告诉我，尝试像这样导航DataFrame是完全错误的，我应该做其他事情。

可以使用 Pandas 中的多索引选择来实现这一点，而无需列出所有“rna”列。以下是如何操作：

selected_columns = df.loc[:, (slice(None), ('subject_id', 'status', slice(None)))]

这行代码的作用如下：

• df.loc[:, (..., ...)] ：我们使用 .loc 进行基于标签的选择，并在第一个位置使用 : 选择所有行。第二个位置用于列选择，我们将使用一个元组来指定多索引级别。
• (slice(None), ('subject_id', 'status', slice(None))) ：此元组表示列的选择。
  • slice(None) ：第一个 slice(None) 选择级别 0 中的所有内容（在本例中为“meta”和“rna”）。
  • ('subject_id', 'status', slice(None)) ：这部分选择级别 1 中的列。
    • 'subject_id' 和 'status' 明确选择这些列。
    • slice(None) 选择级别 1 下的所有“rna”列。

这种方法比列出所有“rna”列更简洁、更高效，尤其是在有数千列的情况下。它利用了多索引切片的功能来选择所需的列子集。