从 MultiIndex 中的索引列获取唯一值答案

【问题标题】：Get unique values from index column in MultiIndex从 MultiIndex 中的索引列获取唯一值
【发布时间】：2021-01-20 13:54:47
【问题描述】：

我知道我可以通过重置索引来获取DataFrame 的唯一值，但是有没有办法避免这一步并直接获取唯一值？

鉴于我有：

        C
 A B     
 0 one  3
 1 one  2
 2 two  1

我能做到：

df = df.reset_index()
uniq_b = df.B.unique()
df = df.set_index(['A','B'])

pandas 有内置的方法吗？

【问题讨论】：

我不明白你的例子。 uniq_b 没有被使用？
啊，我想我明白了。你只是想“知道” B. 的独特价值。好的。
如果可能的话，我认为您应该考虑将接受的答案更改为 8one6。

标签： python pandas

【解决方案1】：

一种方法是使用index.levels:

In [11]: df
Out[11]: 
       C
A B     
0 one  3
1 one  2
2 two  1

In [12]: df.index.levels[1]
Out[12]: Index([one, two], dtype=object)

【讨论】：

这是一个很好的答案，但在一些特定情况下它有一些非常奇怪的行为。请查看下面我的答案，以了解避免这些问题的方法。
这对我不起作用。索引不再具有属性级别。这是更新吗？
@eleijonmarck 只有一个多索引有一个级别属性。这是你的问题吗？

【解决方案2】：

Andy Hayden 的回答 (index.levels[blah]) 在某些情况下非常有用，但在其他情况下可能会导致奇怪的行为。我的理解是，Pandas 会尽可能地“重用”索引，以避免大量索引相似的 DataFrame 的索引占用内存空间。结果，I've found the following annoying behavior：

import pandas as pd
import numpy as np

np.random.seed(0)

idx = pd.MultiIndex.from_product([['John', 'Josh', 'Alex'], list('abcde')], 
                                 names=['Person', 'Letter'])
large = pd.DataFrame(data=np.random.randn(15, 2), 
                     index=idx, 
                     columns=['one', 'two'])
small = large.loc[['Jo'==d[0:2] for d in large.index.get_level_values('Person')]]

print small.index.levels[0]
print large.index.levels[0]

哪些输出

Index([u'Alex', u'John', u'Josh'], dtype='object')
Index([u'Alex', u'John', u'Josh'], dtype='object')

而不是预期

Index([u'John', u'Josh'], dtype='object')
Index([u'Alex', u'John', u'Josh'], dtype='object')

正如一个人在另一个帖子中指出的那样，一个看起来非常自然且工作正常的习语是：

small.index.get_level_values('Person').unique()
large.index.get_level_values('Person').unique()

我希望这可以帮助其他人避开我遇到的超级意外行为。

【讨论】：

FWIW，如果试图模仿 R，这是预期的行为。在 R 中，因子变量的水平（看起来很像 pandas 中的索引）在子集化时不会改变。必须明确地重新索引以缩小可能的级别。
@ChrisWarth 感谢您提醒我在 R 中的这种行为，我完全忘记了！看起来我未来的某个周末会有一个玩具项目：-D

【解决方案3】：

另一种方法是使用索引的unique()函数

df.index.unique('B')

与levels 不同，此函数已记录在案。

【讨论】：