使用级别值过滤 pandas df

Question

我有以下熊猫df：

df
                        price           max    maxperhour
Site  Commodity Type                        
Mid   Biomass   Stock     6.0  1.500000e+15  1.500000e+15
      CO2       Env       0.0  1.500000e+15  1.500000e+15
      Coal      Stock     7.0  1.500000e+15  1.500000e+15
      Elec      Demand    NaN           NaN           NaN
      Gas       Stock    27.0  1.500000e+15  1.500000e+15
      Hydro     SupIm     NaN           NaN           NaN
      Lignite   Stock     4.0  1.500000e+15  1.500000e+15
      Solar     SupIm     NaN           NaN           NaN
      Wind      SupIm     NaN           NaN           NaN

当Site == 'Mid' 和Type == ('Stock' or 'Demand') 时，我想过滤上述df 并创建一个Commodity 项目列表作为列表。

因此应该使用一些 pandas 过滤功能创建以下列表：

df.somefunction()
['Biomass', 'Coal', 'Gas', 'Lignite', 'Elec']

我将如何实现这一目标？

---

最后，如果可能的话，我希望将'Elec' 作为最后一个元素，我的意思是；创建列表时，'Elec' 可能是列表的第三个元素，例如：

['Biomass', 'Coal', 'Elec', 'Gas', 'Lignite']

但是，如果我能将'Elec' 作为最后一个元素，那将是最好的：

['Biomass', 'Coal', 'Gas', 'Lignite', 'Elec']

因为它是唯一带有Type == 'Demand'的元素

---

来自@jezrael

df[(df.index.get_level_values('Site') == 'Mid') & (df.index.get_level_values('Type') == 'Stock')].index.remove_unused_levels().get_level_values('Commodity').tolist()

Answer 1

MultiIndex 的解决方案：

m1 = (df.index.get_level_values('Site') == 'Mid')
m2 = (df.index.get_level_values('Type') == 'Stock')
m3 = (df.index.get_level_values('Type') == 'Demand')

idx1 = df[m1 & m2].index.remove_unused_levels().get_level_values('Commodity')
idx2 = df[m1 & m3].index.remove_unused_levels().get_level_values('Commodity')

idx = idx1.append(idx2)
print (idx)
Index(['Biomass', 'Coal', 'Gas', 'Lignite', 'Elec'], dtype='object', name='Commodity')

列的替代方案：

df1 = df.reset_index()
m1 = (df1['Site'] == 'Mid')
m2 = (df1['Type'] == 'Stock')
m3 = (df1['Type'] == 'Demand')

idx1 = df1.loc[m1 & m2, 'Commodity']
idx2 = df1.loc[m1 & m3, 'Commodity']

idx = idx1.append(idx2).tolist()
print (idx)
['Biomass', 'Coal', 'Gas', 'Lignite', 'Elec']