在多索引数据帧上使用多维索引？

Question

我有一个多索引数据帧，看起来像这样（称为p_z）：

                     p_z
entry subentry
0     0         0.338738
      1         0.636035
      2        -0.307365
      3        -0.167779
      4         0.243284
...                  ...
26692 891      -0.459227
      892       0.055993
      893      -0.469857
      894       0.192554
      895       0.155738

[11742280 rows x 1 columns]

我希望能够基于另一个多维数据帧（或numpy数组）选择某些行。它看起来像熊猫数据帧（称为toffid）：

                tofpid
entry subentry
0     0              0
      1              2
      2              4
      3              5
      4              7
...                ...
26692 193          649
      194          670
      195          690
      196          725
      197          737

[2006548 rows x 1 columns]

我还把它作为一个笨拙的数组，它是一个（26692，）数组（每个条目都有一个非标准数量的子条目）。这是一个选择df/数组，告诉p_z df保留哪些行。所以在p_z的条目0中，它应该保留子条目0、2、4、5、7等等

我找不到办法在熊猫身上做到这一点。我对熊猫还不熟悉，对多索引更是陌生；但我觉得应该有办法做到这一点。如果它能够像我一样更好地进行广播，我将在1500个类似大小的数据帧上进行广播。如果有帮助的话，这些数据帧来自使用Outlot导入的*.root文件（如果没有pandas，还有其他方法可以做到这一点，我会接受；但我希望使用pandas使事情井然有序）

编辑：这里有一个可复制的例子（由吉姆·帕文斯基的回答提供；谢谢！）

import awkward as ak
import pandas as pd

>>> p_z = ak.Array([[ 0.338738, 0.636035, -0.307365, -0.167779, 0.243284,  
                      0.338738, 0.636035],
                    [-0.459227, 0.055993, -0.469857,  0.192554, 0.155738, 
                     -0.459227]])
>>> p_z = ak.to_pandas(p_z)
>>> tofpid = ak.Array([[0, 2, 4, 5], [1, 2, 4]])
>>> tofpid = ak.to_pandas(tofpid)

这两个数据帧都是在Outlot中本机生成的，但这将复制与Outlot相同的数据帧（使用笨拙的库）

Answer 1

IIUC：

输入数据：

>>> p_z
                     p_z
entry subentry
0     0         0.338738
      1         0.636035
      2        -0.307365
      3        -0.167779
      4         0.243284

>>> tofpid
                tofpid
entry subentry
0     0              0
      1              2
      2              4
      3              5
      4              7

从第二个数据帧的列（条目，toffid）创建新的多索引：

mi = pd.MultiIndex.from_frame(tofpid.reset_index(level='subentry', drop=True)
                                    .reset_index())

输出结果：

>>> p_z.loc[mi.intersection(p_z.index)]
              p_z
entry
0     0  0.338738
      2 -0.307365
      4  0.243284