从多级熊猫数据框中删除行列表而没有循环

Question

在不求助于for循环的情况下，无法弄清楚如何从大于3级的pandas数据框中删除多级行的列表。

当通过以下方式明确定义索引中的所有值时，此方法很好用： Pandas Multiindex dataframe remove rows

例如

mask = dfmi.index.isin(( ('A0','B0', 'C0'), ('A2','B3', 'C4') ))
dfmi.loc[~mask,:]

但是，当一个人想要接受所有可能的第三级时：

dfmi.index.isin(( ('A0','B0', slice(None)), ('A2','B3', slice(None)) ))

结果TypeError：无法散列的类型：'sl​​ice'

目前，我通过以下代码实现此目标：

import numpy as np
import pandas as pd
def mklbl(prefix, n):
     return ["%s%s" % (prefix, i) for i in range(n)]

miindex = pd.MultiIndex.from_product([mklbl('A', 4),
                                   mklbl('B', 4),
                                   mklbl('C', 10)])

dfmi = pd.DataFrame(np.arange(len(miindex) * 2)
               .reshape((len(miindex), 2)),
                index=miindex).sort_index().sort_index(axis=1)

As = ['A0', 'A2']
Bs = ['B1', 'B3']

for a,b in zip(As, Bs):
    dfmi_drop_idx = dfmi.loc[(a, b, slice(None)), :].index
    dfmi.drop(dfmi_drop_idx, inplace=True, errors='ignore')

Answer 1

创建MultiIndex索引，然后将其删除

dfmi.drop(pd.MultiIndex.from_arrays([As,Bs]))

Answer 2

元组列表上的

drop应该可以解决问题

dfmi.drop([*zip(As, Bs)])

要验证，这是代码的修改版本。我们将比较输出与asser相等性。

from functools import reduce
didx = reduce(
    pd.MultiIndex.union,
    [dfmi.loc[pd.IndexSlice[a, b, :], :].index
     for a, b in zip(As, Bs)]
)

assert dfmi.drop(didx).equals(dfmi.drop([*zip(As, Bs)]))