分层索引的一个重要特性是，您可以通过标识数据中的子组的“partial”标签来选择数据。部分选择在结果中“下降”层次索引的级别，完全类似于在一个常规的DataFrame中选择一个列:
关于如何创建多重所用的Series和DataFrame见文章**
pandas 难以置信的多重索引1——多重索引的构建（史上最全）
关于如何获取索引本身的值见文章：**pandas 难以置信的多重索引2——获取多重索引的值（史上最全）
假设你首先创建好了一个多重索引，如果还不会创建的同学，看完**pandas 难以置信的多重索引2——获取多重索引的值（史上最全），创建好的DataFrame如下：
我们先来试着按照"行"引用：
df['bar']
结果发现，并不是按照行来引用的，是按照“列”来引用的。那我们就要开始较真了！经过一番折腾后，
发现，通过df.loc[(行外层1,行内层1):(行外层2,行内层2), (列外层1,列内层1):(列外层2:列内层2)]的形式能够获得想要的结果，记住他!
1. 重要的是要注意，当涉及到索引时，在panda中元组和列表的处理方式并不相同。虽然元组被解释为一个多层键，但列表用于指定多个键。换句话说，元组是水平的(遍历级别)，列表是垂直的(扫描级别)。
2. 一般，df[]优先会扫描列标签，如果列标签没有此名字，然后回来找行标签。
#########################################################
写在最后：
自己和朋友成立了一个工作室——图灵数据科学工作室（VX：DataUpward）：
一是想和大家交个朋友；
二是想帮助朋友们跳过我们遇到的坑，尽快找到解决办法。
======================================================
工作室的运行也需要付出各种成本，“活下去”是我们的当务之急，如果大家有 ：
- 数据分析（报告）；
- 商业数据调研；
- 数据可视化展示；
- 数据爬虫；
- -数据模型开发；
- 机器学习算法挖掘
- …
也欢迎和我们工作室开展合作~
京公网安备 11010502036488号