我正在尝试在第二个（最内部）级别上获取Pandas 2级多索引数据帧的一部分，将一个蒙版应用于该片段，然后从原始数据帧中“放置”经过蒙版，切片的行为了避免链接分配问题，并确保将“ drop”操作应用于原始数据框，我将在一行代码中完成所有操作。
掩码是通过复杂的数学运算生成的，最终以与切片相同长度的布尔numpy数组的形式出现。
但是，当我在“放置”操作之后检查原始数据帧时，它仍然包含应该删除的数据。我浏览了许多页面以尝试解决此问题，并尝试对语法进行许多排列，但无济于事。
我没有收到有关SettingWithCopyWarning的警告。
以下代码是我的代码的简化模型，它演示了该问题，并希望传达我想做的事情：
>>> import numpy as np
>>> import pandas as pd
>>> pd.__version__
u'0.23.4'
>>> index = pd.MultiIndex(levels=[[u'bar', u'baz', u'foo', u'qux'],
[u'one', u'two', u'three', u'four']],
labels=[[0, 0, 1, 1, 2, 2, 3, 3],
[0, 0, 1, 1, 2, 2, 3, 3]],
names=[u'first', u'second'])
>>> df = pd.DataFrame(np.random.randn(8, 4), index=index)
>>> df.columns = ['c0', 'c1', 'c2', 'c3']
>>> df
c0 c1 c2 c3
first second
bar one -2.366973 -0.887149 -0.301309 1.312207
one 1.266500 0.864888 -1.407567 0.265077
baz two -1.926091 -0.671274 -0.295846 0.679759
two -0.212970 0.136552 0.219074 0.541827
foo three -0.698288 -2.059952 0.248811 0.947879
three -2.017481 0.163013 -0.906551 -0.102474
qux four -1.083530 0.097077 0.224977 0.251739
four 0.943804 1.356789 -0.953357 0.592986
从切片生成蒙版：
>>> two_data = df[df.index.get_level_values('second') == 'two']
>>> mask = (two_data['c1'] > 0)
>>> mask = mask.values
array([False, True])
证明在不是就位（inplace = False）时，删除蒙版的切片值有效：
>>> df[df.index.get_level_values('second') == 'two'][mask].drop('two', level=1)
Empty DataFrame
Columns: [c0, c1, c2, c3]
Index: []
>>> df[df.index.get_level_values('second') == 'two'].iloc[mask].drop('two', level=1)
Empty DataFrame
Columns: [c0, c1, c2, c3]
Index: []
原始数据框仍然完整，如预期：
>>> df
c0 c1 c2 c3
first second
bar one -2.366973 -0.887149 -0.301309 1.312207
one 1.266500 0.864888 -1.407567 0.265077
baz two -1.926091 -0.671274 -0.295846 0.679759
two -0.212970 0.136552 0.219074 0.541827
foo three -0.698288 -2.059952 0.248811 0.947879
three -2.017481 0.163013 -0.906551 -0.102474
qux four -1.083530 0.097077 0.224977 0.251739
four 0.943804 1.356789 -0.953357 0.592986
现在尝试将行放到适当的位置。在这两种情况下，预期行都不被删除：
>>> df[df.index.get_level_values('second') == 'two'][mask].drop('two', level=1, inplace=True)
>>> df
c0 c1 c2 c3
first second
bar one -2.366973 -0.887149 -0.301309 1.312207
one 1.266500 0.864888 -1.407567 0.265077
baz two -1.926091 -0.671274 -0.295846 0.679759
two -0.212970 0.136552 0.219074 0.541827
foo three -0.698288 -2.059952 0.248811 0.947879
three -2.017481 0.163013 -0.906551 -0.102474
qux four -1.083530 0.097077 0.224977 0.251739
four 0.943804 1.356789 -0.953357 0.592986
尝试使用iloc作为遮罩的另一种形式，但无济于事：
>>> df[df.index.get_level_values('second') == 'two'].iloc[mask].drop('two', level=1, inplace=True)
>>> df
c0 c1 c2 c3
first second
bar one -2.366973 -0.887149 -0.301309 1.312207
one 1.266500 0.864888 -1.407567 0.265077
baz two -1.926091 -0.671274 -0.295846 0.679759
two -0.212970 0.136552 0.219074 0.541827
foo three -0.698288 -2.059952 0.248811 0.947879
three -2.017481 0.163013 -0.906551 -0.102474
qux four -1.083530 0.097077 0.224977 0.251739
four 0.943804 1.356789 -0.953357 0.592986
如果就地放我们工作，预期结果将是：
c0 c1 c2 c3
first second
bar one -2.366973 -0.887149 -0.301309 1.312207
one 1.266500 0.864888 -1.407567 0.265077
baz two -1.926091 -0.671274 -0.295846 0.679759
foo three -0.698288 -2.059952 0.248811 0.947879
three -2.017481 0.163013 -0.906551 -0.102474
qux four -1.083530 0.097077 0.224977 0.251739
four 0.943804 1.356789 -0.953357 0.592986
请告知应如何进行。我以为这是可行的，因为我认为在一行上顺序应用loc []。iloc []。drop（）可以解决对原始数据帧的源数据的拖放操作。
答案 0 :(得分：0)
我无法复制您的数据和预期的输出，但是我建议使用eval和布尔索引：
df = df[~df.eval('second == "two" and c1 > 0')]
或者，使用query：
df = df.query('not (second == "two" and c1 > 0)')
如果您执行其他操作时有所不同，请查询索引并将其删除：
df = df.drop(df.query('second == "two" and c1 > 0').index)
或者，
df.drop(df.query('second == "two" and c1 > 0').index, inplace=True)
但是请记住，这两种方法（类似于上述方法）都将生成DataFrame的副本。无法就地执行此操作（即使inplace=True也会生成一个副本并将其分配回原始DataFrame对象）。