在数据分析工作中，Pandas的多重索引（MultiIndex）常用于表达具有层级关系的数据，例如按地区和年份统计的销售记录。当数据具备双重索引后，我们往往希望同时锁定特定的行与列，这时利用loc配合元组是最直接的方法。
什么是双重索引
双重索引指DataFrame或Series的索引由两层构成，每一层都可以理解为一个维度。通过pandas的MultiIndex.from_tuples或者set_index方法都能创建。
如何创建带双重索引的数据
下面示例构造一个以城市和月份为行索引、以指标为列的简单数据表：
import pandas as pd
# 构造原始数据
data = {
'city': ['北京', '北京', '上海', '上海'],
'month': ['1月', '2月', '1月', '2月'],
'sales': [100, 120, 90, 110],
'profit': [30, 35, 25, 28]
}
df = pd.DataFrame(data)
# 设置双重行索引
df = df.set_index(['city', 'month'])
print(df)
利用loc配合元组锁定特定行列
对于上述df，行索引为(city, month)两层。使用loc时，若只传一个字符串会匹配第一层；若要精确定位某一行，需要传入元组。同时可在loc的第二个位置写明需要的列。
查询单个交叉值
例如想取北京1月的sales数值：
# 元组锁定行，字符串锁定列
value = df.loc[('北京', '1月'), 'sales']
print(value)
查询多行多列
如果需要上海两个月的所有指标，可以这样写：
# 行使用元组列表，列使用列表
subset = df.loc[[('上海', '1月'), ('上海', '2月')], ['sales', 'profit']]
print(subset)
利用切片与元组结合
当第一层确定、第二层想取全部时，可用冒号配合元组：
# 第一层为北京，第二层取全部
rows = df.loc[('北京', slice(None)), :]
print(rows)
常见错误与注意点
- 忘记把多层索引写成元组，直接写df.loc['北京', '1月']会报 KeyError。
- 列名不存在时，loc同样会抛出异常，需提前确认列字段。
- 若索引顺序与创建时不一致，也会无法匹配，应保持(city, month)的层级顺序。
小结
通过loc配合元组，我们能够在双重索引的DataFrame中清晰、准确地锁定目标行与列。相比用布尔掩码层层过滤，这种方式代码更短、语义更明确，是处理多层索引数据的推荐写法。