如何选择不同级别的多个列？

Question

下面的数据框是带有分层列（df）的多索引数据框：

                   肌电图生物反馈    
时间ID  
                   δtheta alpha beta高beta gamma HeartRateVariabilty GSR     
20170101 PD102 4 5 8 3 0 9 1 2 
20170102 PD102 5 7 8 4 6 5 2 3       

如何选择不同级别的多个列？例如，如何获取显示所有EMG列和Biofeedback列下仅GSR列的数据框（如下所示）

                   肌电图生物反馈    
时间ID  
                   δtheta alpha beta高beta gamma GSR     
20170101 PD102 4 5 8 3 0 9 2       
20170102 PD102 5 7 8 4 6 5 3  

Answer 1

这是访问/子选择层次列的几种方法

1.使用get_level_values第一级并拒绝HeartRateVariabilty

In [764]: df.loc[:, df.columns.get_level_values(1) != 'HeartRateVariabilty']
Out[764]:
                 EMG                                  Biofeedback
               delta theta alpha beta high beta gamma         GSR
Time     ID
20170101 PD102     4     5     8    3         0     9           2
20170102 PD102     5     7     8    4         6     5           3

2.或者，在第一级使用select和拒绝HeartRateVariabilty

In [765]: df.select(lambda x: x[1] != 'HeartRateVariabilty', axis=1)
Out[765]:
                 EMG                                  Biofeedback
               delta theta alpha beta high beta gamma         GSR
Time     ID
20170101 PD102     4     5     8    3         0     9           2
20170102 PD102     5     7     8    4         6     5           3

3.或者，在第一级使用drop和拒绝HeartRateVariabilty

In [766]: df.drop('HeartRateVariabilty', axis=1, level=1)
Out[766]:
                 EMG                                  Biofeedback
               delta theta alpha beta high beta gamma         GSR
Time     ID
20170101 PD102     4     5     8    3         0     9           2
20170102 PD102     5     7     8    4         6     5           3

4.或者，用以下命令对列对元组列表进行子选择.loc

In [777]: cols = [('EMG', 'delta'), ('EMG', 'theta'), ('EMG', 'alpha'), ('EMG', 'beta'),
                  ('EMG', 'high beta'), ('EMG', 'gamma'), ('Biofeedback', 'GSR')]
In [778]: df.loc[:, cols]
Out[778]:
                 EMG                                  Biofeedback
               delta theta alpha beta high beta gamma         GSR
Time     ID
20170101 PD102     4     5     8    3         0     9           2
20170102 PD102     5     7     8    4         6     5           3