在 Pandas Multiindex 中，如何在不知道关卡位置的情况下进行索引切片？

问：

我有一个处理 pandas 数据帧的程序，使用 2 个级别（日期和数据）的多索引，例如：

Date_Time   Data    
date1       a
            b
            c

date2       a
            b
            c

date3       a
            b
            c
...

因此，当必须使用/修改 df 的内容时，所有函数都使用 pandas IndexSlice，例如：

df.loc[pd.IndexSlice[:,'a'],:]

这很好用，易于阅读，简短高效，并且使许多单行功能成为可能。

但是，我目前必须根据某些属性来区分数据，以便在进行重采样时不会使它们合并，并且我通过在必要时向索引添加第三级来做到这一点：

Date_Time   Property     Data    
date1       1            a
            1            b
            1            c

date2       2            a
            2            b
            2            c

date3       1            a
            1            b
            1            c
...

目标是能够随着时间的推移进行重新采样的分组，并最终得到这个多索引：

Date_Time   Property     Data    
Period1     1            a
            1            b
            1            c
            2            a
            2            b
            2            c

Period2     1            a
            1            b
            1            c
...

所以，问题是不再有效，我必须将其更改为df.loc[pd.IndexSlice[:,'a'],:]

df.loc[pd.IndexSlice[:,:,'a'],:]

但这意味着每次我将该数据帧与额外列一起使用时，都要更改代码本身。

有没有办法以灵活的方式定义切片？？

我想使用变量来定义切片，就像在列表推导中一样，这样就可以防止将来对多索引级别的长度和顺序进行更多更改。但据我所知，这是不可能的，那我该怎么办？？

我可以在每个函数的开头使用 try-except 块来定义切片，在已经确保级别和level_value存在的块内;或将属性级别向右移动，以便我仍然可以使用（但将来我可能会再次遇到这个问题）pd.IndexSlice[:,'a']

编辑：下面是一些代码，用于生成使用这种索引的数据帧：

iter1=[["03/07/2023 07:40:00", "03/07/2023 07:50:00"], ["S=0.1"],["Probe1","Probe2","Probe3"]]
iter2=[["03/07/2023 07:45:00", "03/07/2023 07:55:00"], ["S=0.2"],["Probe1","Probe2","Probe3"]]
idx1=pd.MultiIndex.from_product(iter1, names=["Date_Time", "Property",'Data'])
idx2=pd.MultiIndex.from_product(iter2, names=["Date_Time", "Property",'Data'])

df_aux1=pd.DataFrame(np.random.randn(6, 3), index=idx1, columns=['X','Y','Error'])
df_aux2=pd.DataFrame(np.random.randn(6, 3), index=idx2, columns=['X','Y','Error'])

df=pd.concat([df_aux1,df_aux2]).sort_index(level='Date_Time')