如何在熊猫中按子级索引过滤

要在列上使用“ str。”方法，可以重置索引，使用列“ str。”方法调用过滤行，然后重新创建索引。

In [72]: x = df.reset_index(); x[x.RPT_Date.str.endswith("0630")].set_index(['STK_ID', 'RPT_Date'])Out[72]: sales        cogs    net_pftSTK_ID RPT_Date  000876 20060630   857483000   729541000   67157200       20070630  1146245000  1050808000  113468500       20080630  1932470000  1777010000  133756300002254 20070630   501221000   289167000  118012200

但是，这种方法并不是特别快。

In [73]: timeit x = df.reset_index(); x[x.RPT_Date.str.endswith("0630")].set_index(['STK_ID', 'RPT_Date'])1000 loops, best of 3: 1.78 ms per loop

另一种方法基于一个事实，即MultiIndex对象的行为与元组列表非常相似。

In [75]: df.indexOut[75]: MultiIndex[('000876', '20060331') ('000876', '20060630') ('000876', '20060930') ('000876', '20061231') ('000876', '20070331') ('000876', '20070630') ('000876', '20070930') ('000876', '20071231') ('000876', '20080331') ('000876', '20080630') ('000876', '20080930') ('002254', '20061231') ('002254', '20070331') ('002254', '20070630') ('002254', '20070930')]

在此基础上，您可以使用df.index.map（）从MultiIndex创建一个布尔数组，然后使用结果过滤框架。

In [76]: df[df.index.map(lambda x: x[1].endswith("0630"))]Out[76]: sales        cogs    net_pftSTK_ID RPT_Date  000876 20060630   857483000   729541000   67157200       20070630  1146245000  1050808000  113468500       20080630  1932470000  1777010000  133756300002254 20070630   501221000   289167000  118012200

这也相当快。

In [77]: timeit df[df.index.map(lambda x: x[1].endswith("0630"))]1000 loops, best of 3: 240 us per loop