在熊猫对象上建立索引后，获取索引/列的选定位置

如何解决在熊猫对象上建立索引后，获取索引/列的选定位置

在对熊猫对象建立索引后如何获取索引/列的选定位置？

例如，对于索引操作.iloc[[0,1],0]，我想获取索引[0,1]和0。我的用例要求传递一个任意的索引函数（例如loc或iloc并检索它选择的索引。目前，我可以通过广播熊猫对象形状的简单范围，运行索引功能并将结果值用作选定索引来实现此目的。这种方法的问题在于，它需要两个索引操作，一个用于找到索引的选定索引，另一个用于列。此外，它无法分辨.iloc[[0],0]和.iloc[0,[0]]之间的区别。我还尝试比较新标签和旧标签，但这是不可靠的，因为索引可以更改标签或标签可以重复。

这是我的函数的样子：

def get_selected_idxs(obj,pd_indexing_func):
    n_rows = len(obj.index)
    if obj.ndim == 1:
        idx_mapper = pd.Series(np.arange(n_rows),index=obj.index)
        idx_mapper = pd_indexing_func(idx_mapper)
        if isinstance(idx_mapper,pd.Series):
            idx_idxs = idx_mapper.values
        else:
            idx_idxs = idx_mapper
        col_idxs = 0
    else:
        n_cols = len(obj.columns)
        idx_mapper = pd.DataFrame(
            np.broadcast_to(np.arange(n_rows)[:,None],(n_rows,n_cols)),index=obj.index,columns=obj.columns
        )
        idx_mapper = pd_indexing_func(idx_mapper)
        col_mapper = pd.DataFrame(
            np.broadcast_to(np.arange(n_cols),columns=obj.columns
        )
        col_mapper = pd_indexing_func(col_mapper)
        if isinstance(idx_mapper,pd.DataFrame):
            idx_idxs = idx_mapper.values[:,0]
            col_idxs = col_mapper.values[0]
        elif isinstance(idx_mapper,pd.Series):
            one_col = np.all(col_mapper.values == col_mapper.values.item(0))
            one_idx = np.all(idx_mapper.values == idx_mapper.values.item(0))
            if one_col and one_idx:
                # One index and one column selected
                raise Exception("Must select at least two unique indices in one of both axes")
            elif one_col:
                # One column selected
                idx_idxs = idx_mapper.values
                col_idxs = col_mapper.values[0]
            elif one_idx:
                # One index selected
                idx_idxs = idx_mapper.values[0]
                col_idxs = col_mapper.values
        else:
            idx_idxs = idx_mapper
            col_idxs = col_mapper
    return idx_idxs,col_idxs

print(get_selected_idxs(pd.Series([0,1,2]),lambda x: x.iloc[0]))
# (0,0)
print(get_selected_idxs(pd.Series([0,lambda x: x.iloc[:2]))
# (array([0,1]),0)
print(get_selected_idxs(pd.DataFrame([[0,[2,3]]),lambda x: x.iloc[0,0]))
# (0,lambda x: x.iloc[:2,0]))
# (array([0,:2]))
# (0,array([0,1]))
print(get_selected_idxs(pd.DataFrame([[0,:2]))
# (array([0,1]))

我正在寻找的是实现这一目标的任何熊猫本机方法，还是可以涵盖所有这些情况的更快的解决方法。