这是对所问问题的一个轻微变体的回答，可能会为其他人节省保存一些时间。如果您正在寻找与不知道确切值的标签相匹配的标签类型，您可以使用如下内容：

q_labels = [ label for label in df.index.levels[1] if label.startswith('Q') ]
new_df = df[ df.index.isin(q_labels, level=1) ]

字符串

您可以将get_level_values与布尔切片结合使用。

In [50]:

print df[np.in1d(df.index.get_level_values(1), ['Lake', 'River', 'Upland'])]
                          Area
NSRCODE PBL_AWI               
CM      Lake      57124.819333
        River      1603.906642
LBH     Lake     258046.508310
        River     44262.807900

字符串
同样的概念可以用许多不同的方式表达，例如df[df.index.get_level_values('PBL_AWI').isin(['Lake', 'River', 'Upland'])]
请注意，数据中有'upland'，而不是'Upland'

另一种（可能更干净）的方法可能是这样的：

print(df[df.index.isin(['Lake', 'River', 'Upland'], level=1)])

字符串
参数level指定索引号（从0开始）或索引名称（此处为：level='PBL_AWI'）

使用.loc的更简单的方法是

df.loc[(slice(None),['Lake', 'River', 'Upland']),:]

字符串
或系列

df.loc[(slice(None),['Lake', 'River', 'Upland'])]

型
slice(None)表示第一级索引没有过滤。我们可以使用值列表['Lake', 'River', 'Upland']过滤第二级索引

df.**filter（regex=...，axis=...）**更简洁，因为它同时适用于index=0和column=1轴。你不需要担心级别，你可以懒惰地使用regex。完整的index上的filter示例：

df.filter(regex='Lake|River|Upland',axis=0)

字符串

的数据
如果你转置它，并尝试在列上过滤（默认情况下轴=1），它也可以工作：

df.T.filter(regex='Lake|River|Upland')

型

的
现在，使用正则表达式，你也可以很容易地解决高地的大小写问题：

upland = re.compile('Upland', re.IGNORECASE)
df.filter(regex=upland ,axis=0)

型

这是读取上述输入表的命令：
第一个月

另外（来自here）：

def filter_by(df, constraints):
    """Filter MultiIndex by sublevels."""
    indexer = [constraints[name] if name in constraints else slice(None)
               for name in df.index.names]
    return df.loc[tuple(indexer)] if len(df.shape) == 1 else df.loc[tuple(indexer),]

pd.Series.filter_by = filter_by
pd.DataFrame.filter_by = filter_by

字符串
......作为

df.filter_by({'PBL_AWI' : ['Lake', 'River', 'Upland']})

型
（未经测试的面板和更高的维度元素，但我希望它的工作）

也可以使用query：

In [9]: df.query("PBL_AWI == ['Lake', 'River', 'Upland']")
Out[9]: 
                     Area
NSRCODE PBL_AWI          
CM      Lake     57124.82
        River     1603.91
LBH     Lake    258046.51
        River    44262.81

字符串
然而，由于大小写敏感，'高地'（小写）不会被找到。因此我建议使用fullmatch并设置case=False：

In [10]: df.query("PBL_AWI.str.fullmatch('Lake|River|Upland', case=False).values")
Out[10]: 
                       Area
NSRCODE PBL_AWI            
CM      Lake       57124.82
        River       1603.91
        upland   2701289.27
LBH     Lake      258046.51
        River      44262.81
        upland  23843453.64

型

对于简单的切片（对于DataFrames和Series），您也可以使用:来指定您想要该级别中的所有值。例如，我们不关心OP中第一个索引级别的值，因此我们使用:。

df.loc[:, ['Lake', 'upland'], :]
#      ^                         <--- for first index level
#          ^^^^^^^^^^^^^^^^      <--- filter for the second index level
#                             ^  <--- select all columns (if any)

字符串

pd.IndexSlice[]

对于更复杂的切片，你可以使用pd.IndexSlice[]。例如，如果你也想选择列，那么使用pd.IndexSlice[]来指定哪部分是索引切片，哪部分是列选择。

df.loc[pd.IndexSlice[:, ['Lake', 'upland']], ['Area']]
#                    ^                               <--- slice for first index level
#                        ^^^^^^^^^^^^^^^^            <--- slice for second index level
#                                             ^^^^   <--- column selection

型
使用OP中给出的输入，我们得到以下结果：

的数据
您还可以按第一级、第二级和列进行选择。

df.loc[pd.IndexSlice['CM', ['Lake', 'upland']], ['Area']]

型

的