pandas.DataFrame.query 保留原始多索引

Question

我有一个带有多索引的数据框：

>>> df = pd.DataFrame(np.random.randint(0,5,(6, 2)), columns=['col1','col2'])
>>> df['ind1'] = list('AAABCC')
>>> df['ind2'] = range(6)
>>> df.set_index(['ind1','ind2'], inplace=True)

>>> df
           col1  col2
ind1 ind2            
A    0        2     0
     1        2     2
     2        1     2
B    3        2     2
C    4        4     0
     5        1     4

当我在其中一个索引级别上使用.loc[] 选择数据并随后应用.query() 时，结果索引按预期“缩小”以仅匹配结果数据框中包含的那些值：

>>> df.loc['A'].query('col2 == 2')

      col1  col2
ind2            
1        2     2
2        1     2

>>> df.loc['A'].query('col2 == 2').index

Int64Index([1, 2], dtype='int64', name='ind2')

但是，当我尝试仅使用 .query() 接收相同的结果时，pandas 会保留与原始数据帧相同的索引（尽管事实上，在单个索引的情况下它的行为与上述不同 - 结果索引从[0,1,2] 变为[1,2]，仅匹配col2 == 2 行）：

>>> df.query('ind1 == "A" & col2 == 2')

           col1  col2
ind1 ind2            
A    1        2     2
     2        1     2

>>> df.query('ind1 == "A" & col2 == 2').index

MultiIndex(levels=[['A', 'B', 'C'], [0, 1, 2, 3, 4, 5]],
           labels=[[0, 0], [1, 2]],
           names=['ind1', 'ind2'])

这是错误还是功能？如果有特色，你能解释一下这种行为吗？

编辑1： 我希望使用以下索引：

MultiIndex(levels=[['A'], [1, 2]],
           labels=[[0, 0], [0, 1]],
           names=['ind1', 'ind2'])

编辑2： 正如Dataframe Slice does not remove Index Values 中解释的那样，在切片 DF 时根本不应该删除索引值；这种行为应该给出以下结果：

>>> df.loc['A'].query('col2 == 2')

      col1  col2
ind2            
1        2     2
2        1     2

>>> df.loc['A'].query('col2 == 2').index

EXPECTATION: Int64Index([0, 1, 2], dtype='int64', name='ind2')
REALITY:     Int64Index([1, 2], dtype='int64', name='ind2')

Answer 1

df.loc[A] 为您返回一个带有常规（“单个”）索引的 DF（或“视图”）：

In [12]: df.loc['A']
Out[12]:
      col1  col2
ind2
0        1     1
1        0     3
2        1     2

所以.query() 将应用于具有常规索引的 DF...