这是的一个应用程序（也是使用MultiIndex切片器的主要动机之一），请参阅此处的文档

In [20]: df = pd.DataFrame({('A','a'): [-1,-1,0,10,12],
                   ('A','b'): [0,1,2,3,-1],
                   ('B','a'): [-20,-10,0,10,20],
                   ('B','b'): [-200,-100,0,100,200]})

In [21]: df
Out[21]: 
    A      B     
    a  b   a    b
0  -1  0 -20 -200
1  -1  1 -10 -100
2   0  2   0    0
3  10  3  10  100
4  12 -1  20  200

In [22]: idx = pd.IndexSlice

In [23]: mask = df.loc[:,idx['A',:]]<0

In [24]: mask
Out[24]: 
       A       
       a      b
0   True  False
1   True  False
2  False  False
3  False  False
4  False   True

In [25]: df[mask] = 0

In [26]: df
Out[26]: 
    A      B     
    a  b   a    b
0   0  0 -20 -200
1   0  1 -10 -100
2   0  2   0    0
3  10  3  10  100
4  12  0  20  200

因为你正在使用列索引的第一级，下面的例子也可以工作。上面的例子更一般，假设你想为'a'做这个。

In [30]: df[df[['A']]<0] = 0

In [31]: df
Out[31]: 
    A      B     
    a  b   a    b
0   0  0 -20 -200
1   0  1 -10 -100
2   0  2   0    0
3  10  3  10  100
4  12  0  20  200

您还可以使用内置的slice()函数。例如，要选择'A'列，请使用slice(None)创建一个tuple（pandas将tuple解释为MultiIndex），以表明您希望第二层（('A', slice(None))）中的所有内容。

df = pd.DataFrame({
    ('A','a'): [-1,-1,0,10,12], ('A','b'): [0,1,2,3,-1], 
    ('B','a'): [-20,-10,0,10,20],('B','b'): [-200,-100,0,100,200]})

# replace every value in the 'A' columns less than 0 by 0
msk = df.loc[:, ('A', slice(None))] < 0
df[msk] = 0

在第二层做选择列;例如，选择所有'a'列，使用(slice(None), 'a')，其中slice(None)表示您不关心第一级中的内容。

# replace every value in the 'a' columns less than 0 by 0
msk = df.loc[:, (slice(None), 'a')] < 0
df[msk] = 0