MultiIndex/Advanced Indizierung wo ein Level nicht ist (! =) Ein Wert

Question

Wie schneidet man den folgenden df so ab, dass die zweite Ebene! = Zwei ist.

In meinem realen Fall sind meine zweite Ebene Datumsbereiche und ich möchte alles außer einem Datum auswählen können.

Von 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 

Ich bin überrascht, dass die Dokumentation @ pandas.pydata.org so schlecht ist. Für keines der Beispiele gibt es KEINE Erklärungen. Es ist wie die Dokumentation wurde von Experten für Menschen, die bereits mit allen Funktionen von Pandas gut erfahren sind geschrieben.

Warum enthält die Dokumentation nicht den Code, um das Beispiel erneut zu erstellen?

Answer 1

mit diesem Start:

    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