多索引/高级索引，其中级别不是(！=)值

Question

如何对以下df进行切片，以使第二级！=二

在我的现实世界中，我的第二个级别是日期范围，我希望能够选择除了一个日期之外的所有内容。

来自MultiIndex/Advanced Indexing

In [1]: arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
                 ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
In [2]: tuples = list(zip(*arrays))
In [4]: index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
In [16]: df = pd.DataFrame(np.random.randn(3, 8), index=['A', 'B', 'C'], columns=index)
In [38]: df = df.T
In [65]: df
Out[65]: 
                     A         B         C
first second                              
bar   one     0.895717  0.410835 -1.413681
      two     0.805244  0.813850  1.607920
baz   one    -1.206412  0.132003  1.024180
      two     2.565646 -0.827317  0.569605
foo   one     1.431256 -0.076467  0.875906
      two     1.340309 -1.187678 -2.211372
qux   one    -1.170299  1.130127  0.974466
      two    -0.226169 -1.436737 -2.006747
In [66]: df.xs('one', level='second')
Out[66]: 
              A         B         C
first                              
bar    0.895717  0.410835 -1.413681
baz   -1.206412  0.132003  1.024180
foo    1.431256 -0.076467  0.875906
qux   -1.170299  1.130127  0.974466

我很惊讶@pandas.pydata.org的文档如此糟糕。这些例子没有任何解释。这就像是由专家为那些对大熊猫的所有特征都有丰富经验的人编写的文件。

为什么文档中没有提供重新生成示例的代码？

Answer 1

从这个开始：

                    A         B         C
first second                              
bar   one    -0.350640 -1.761671  0.253923
      two    -0.036557  0.212322  0.537106
baz   one    -1.597584 -0.301356 -0.634428
      two     2.340900 -0.356272 -0.985386
foo   one     0.122753 -0.333827 -0.620175
      two     0.423211 -0.570563 -1.245026
qux   one    -0.972814 -0.878836 -1.030892
      two     0.312855 -0.191677  0.700006

df.iloc[df.index.get_level_values('second') != 'one' ]
                    A         B         C
first second                              
bar   two    -0.036557  0.212322  0.537106
baz   two     2.340900 -0.356272 -0.985386
foo   two     0.423211 -0.570563 -1.245026
qux   two     0.312855 -0.191677  0.700006

df.iloc[df.index.get_level_values('second') != 'two' ]
                     A         B         C
first second                              
bar   one    -0.350640 -1.761671  0.253923
baz   one    -1.597584 -0.301356 -0.634428
foo   one     0.122753 -0.333827 -0.620175
qux   one    -0.972814 -0.878836 -1.030892