Pandas MultiIndex 的子集适用于整个索引，但不适用于特定级别？答案

【问题标题】：Subset of Pandas MultiIndex works for whole index but not for specific level?Pandas MultiIndex 的子集适用于整个索引，但不适用于特定级别？
【发布时间】：2020-12-16 10:54:20
【问题描述】：

我遇到了 pd.MultiIndex 的奇怪行为，并试图了解发生了什么。与其说是寻找解决方案，不如说是解释。

假设我有一个 MultiIndexed 数据框：

index0 = pd.Index(['a', 'b', 'c'], name='let')
index1 = pd.Index(['foo', 'bar', 'baz'], name='word')
x = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], index=[index0, index1])

display(x)

        0   1   2
let word            
a   foo 1   2   3
b   bar 4   5   6
c   baz 7   8   9

如果我随后使用 df.loc 获取该数据帧的一个子集：

sub = ['a', 'c']
y = x.loc[sub]
display(y)

        0   1   2
let word            
a   foo 1   2   3
c   baz 7   8   9

到目前为止，一切都很好。现在，查看新数据帧的索引：

display(y.index)

MultiIndex([('a', 'foo'),
            ('c', 'baz')],
           names=['let', 'word'])

这也是有道理的。但是，如果我查看子集数据帧索引的特定级别...

display(y.index.levels[1])

Index(['bar', 'baz', 'foo'], dtype='object', name='word')

突然间我有了原始完整数据框的值，而不是选定的子集！

为什么会这样？

【问题讨论】：

标签： python pandas dataframe multi-index

【解决方案1】：

我们需要在 this 中添加一个特定的函数remove_unused_levels，因为它是类别类型的数据

y.index.levels[0]
Index(['a', 'b', 'c'], dtype='object', name='let')

# after add
y.index=y.index.remove_unused_levels()
y.index.levels[0]
Index(['a', 'c'], dtype='object', name='let')

【讨论】：

【解决方案2】：

我认为你混淆了levels 和get_level_values：

y.index.get_level_values(1)
# Index(['foo', 'baz'], dtype='object', name='word')

y.index.levels 正如 Ben 在他的回答中提到的，只是所有可能的值（截断之前）。再看一个例子：

df = pd.DataFrame([[0]], 
                  index=pd.MultiIndex.from_product([[0,1],[0,1,2]]))

所以df 看起来像：

现在你认为我们会用df.index.levels[1] 得到什么？答案是：

Int64Index([0, 1, 2], dtype='int64')

由关卡中所有可能的值组成。而df.index.get_level_values(1) 给出：

Int64Index([0, 1, 2, 0, 1, 2], dtype='int64')

【讨论】：