如何在熊猫多索引数据框中仅选择索引列？答案

【问题标题】：How to select ONLY THE INDEX COLUMNS in a pandas multi-index Dataframe?如何在熊猫多索引数据框中仅选择索引列？
【发布时间】：2018-05-28 04:36:13
【问题描述】：

好的，所以我有一个带有 2 列索引的 DataFrame，我正在尝试过滤该 DataFrame 中的行，并仅将原始数据帧的索引列保留到新的过滤 DataFrame 中。

我通过以下方式从 CSV 文件创建了数据框：查找 CSV 文件 here

census_df = pd.read_csv("census.csv", index_col = ["STNAME", "CTYNAME"])
census_df.sort_index(ascending = True)

然后，我对 DataFrame 应用了一些过滤，效果非常好，我得到了所需的行。我使用的代码如下所示：

def my_answer():

    mask1 = census_df["REGION"].between(1, 2)
    mask2 = census_df.index.get_level_values("CTYNAME").str.startswith("Washington")
    mask3 = (census_df["POPESTIMATE2015"] > census_df["POPESTIMATE2014"])
    new_df = census_df[mask1 & mask2 & mask3]
    return pd.DataFrame(new_df.iloc[:, -1])

my_answer()

问题来了：

上面的代码返回一个数据框，其中包含索引和第一列以及 2 个索引列。我想要的只是两个索引列。因此，最终答案应该返回一个 DATAFRAME，其中包含“STNAME”和“CTYNAME”，其中包含 5 行。

【问题讨论】：

你想用return pd.DataFrame(new_df.iloc[:, 0])代替return new_df.reset_index()吗？
@jezrael 不，不起作用。它返回所有我不想要的列。我只想要列“STNAME”和“CTYNAME”。另外，我不只是希望它们作为列。我希望它们作为索引，也是一种排序方式。

标签： python-3.x pandas dataframe multi-index

【解决方案1】：

您可以将index 转换为DataFrame：

def my_answer():

    mask1 = census_df["REGION"].between(1, 2)
    mask2 = census_df.index.get_level_values("CTYNAME").str.startswith("Washington")
    mask3 = (census_df["POPESTIMATE2015"] > census_df["POPESTIMATE2014"])
    new_df = census_df[mask1 & mask2 & mask3]
    return pd.DataFrame(new_df.index.tolist(), columns=['STNAME','CTYNAME'])

print (my_answer())

         STNAME            CTYNAME
0          Iowa  Washington County
1     Minnesota  Washington County
2  Pennsylvania  Washington County
3  Rhode Island  Washington County
4     Wisconsin  Washington County

如果想要输出为MultiIndex 需要MultiIndex.remove_unused_levels，但它在pandas 0.20.0+ 中工作：

def my_answer():

    mask1 = census_df["REGION"].between(1, 2)
    mask2 = census_df.index.get_level_values("CTYNAME").str.startswith("Washington")
    mask3 = (census_df["POPESTIMATE2015"] > census_df["POPESTIMATE2014"])
    new_df = census_df[mask1 & mask2 & mask3]
    return new_df.index.remove_unused_levels()

print (my_answer())

MultiIndex(levels=[['Iowa', 'Minnesota', 'Pennsylvania', 'Rhode Island', 'Wisconsin'], 
                   ['Washington County']],
           labels=[[0, 1, 2, 3, 4], [0, 0, 0, 0, 0]],
           names=['STNAME', 'CTYNAME'])

【讨论】：

AttributeError: 'MultiIndex' 对象没有属性 'to_frame'
您的建议是重置索引，我认为这对我不起作用。尽管框架的视图如我所愿，但输出并不理想。我想要两个实体——“STNAME”和“CTYNAME”——作为索引，而不是列。
@ArchanJoshi - 在 pandas 中，return pd.DataFrame(new_df.index.tolist(), columns=['STNAME','CTYNAME']).to_string(index=False) 可以实现，但它将数据帧转换为字符串。
但默认情况下，如果需要，则无法删除索引DataFrame object
有没有办法返回视图或以某种方式引用数据框的索引列，同时将它们保留为索引？

【解决方案2】：

使用列表推导：

def my_answer():
     mask1 = census_df["REGION"].between(1, 2)
     mask2 = census_df.index.get_level_values("CTYNAME").str.startswith("Washington")
     mask3 = (census_df["POPESTIMATE2015"] > census_df["POPESTIMATE2014"])
     new_df = census_df[mask1 & mask2 & mask3]

     return pd.DataFrame([new_df.index[x] for x in range(len(new_df))])    

my_answer()

输出：

    0              1
 0  Iowa         Washington County
 1  Minnesota    Washington County
 2  Pennsylvania Washington County
 3  Rhode Island Washington County
 4  Wisconsin    Washington County``

【讨论】：