xs函数默认降维导致结果维度降低，因其设计为截面提取：取单一层级唯一值后自动squeeze；加drop_level=False可保留层级结构。
xs函数筛选多级索引时为什么只返回一维结果？
xs 函数本质是“截面提取”，它会沿指定层级取出数据，并自动降维（squeeze）——只要结果在该层级上唯一，就去掉该层级，返回 Series 或低一维的 DataFrame。这不是 bug，是设计行为。
常见错误现象：df.xs('A', level='category') 返回 Series，但你预期还是 DataFrame；或想保留原始索引结构却失败。
- 加参数
drop_level=False可阻止降维，保留该层级为索引（但值全相同） - 若需保持多级结构且筛选多个值，
xs不适用，应换用布尔索引或IndexSlice - 注意
xs不支持对多个层级同时传入列表（如xs(['A','B'], level=['cat','year'])会报错）
用IndexSlice实现带条件的多级切片
IndexSlice 是专为 loc 设计的语法糖，解决 xs 灵活性不足的问题。它不强制降维，能组合层级、支持切片、布尔逻辑和混合匹配。
使用场景：筛选 “category=A 且 year 在 [2022, 2023] 中” 的所有行，或 “所有 category=A 的数据，但排除 sub_id=003”。
- 必须配合
.loc使用：df.loc[idx[:, ['2022','2023']], :]，其中idx = pd.IndexSlice - 层级顺序必须与
df.index.names一致；缺失层级用:占位 - 支持
slice(None)替代:，适合动态构造切片（比如变量控制某层范围） - 不能直接用于
iloc或布尔索引表达式中
import pandas as pd idx = pd.IndexSlice # 筛选 category='A' 且 year 为 2022 或 2023 的所有行 result = df.loc[idx['A', [2022, 2023]], :]
布尔索引 vs xs vs IndexSlice：什么时候该用哪个？
三者性能差异不大，选择依据是语义清晰度和表达能力。
- 用
xs：单一层级、单一值、明确要降维（比如取某季度汇总后当 Series 计算） - 用
IndexSlice：需跨层级组合条件、保留多级索引结构、写法更接近自然语言（如idx['A', 2022:]表示 category=A 且 year ≥ 2022） - 用布尔索引：条件复杂（含计算、isna、字符串方法等），例如
df.index.get_level_values('sub_id').str.startswith('00') - 注意：布尔索引返回视图可能性低，通常触发拷贝；
xs和IndexSlice在底层更倾向返回视图（但不可依赖）
容易被忽略的层级名和顺序陷阱
多级索引的层级名（names）和顺序（levels 顺序）不一致时，xs 和 IndexSlice 都会出错或返回意外结果。
典型问题：df.index.names == ['year', 'category']，但误写成 df.xs('A', level='category') —— 这里 level 参数实际匹配的是位置（0 或 1），不是名字，除非显式传字符串名且该名存在。
- 检查层级定义：
print(df.index.names)和print(df.index.levels) -
xs的level参数支持整数位置或字符串名，但字符串名必须完全匹配（区分大小写） -
IndexSlice按位置匹配层级，不认名字；写idx['A', 2022]前必须确认'A'在第 0 层、2022在第 1 层 - 重建索引时慎用
set_index([...], drop=True)，可能打乱原有层级顺序
多级索引筛选真正难的不是语法，而是时刻意识到：你操作的不是列，是嵌套的坐标空间。层级名只是标签，位置才是索引的物理结构。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
