i具有从多个数据流的许多重复中的数据,该数据流以多索引数据框(其中每个重复标记为例如['rep1', 'rep2', .., 'repN']
(。我通常需要在这些重复范围内将较大数据框的子集(例如df.loc['rep5':'rep50', :]
(中。
我无法找出一种方法来做到这一点,而没有后续子集的索引,仍然可以从较大的数据段(即['rep1', 'rep2', .., 'repN']
(中保留整个索引值的列表。
因此,对于简化的示例,给定以下DF:
dfs = [pd.DataFrame({'vals': range(3)}) for i in range(3)]
df = pd.concat(dfs, keys=['l1', 'l2', 'l3'])
df
vals
l1 0 0
1 1
2 2
l2 0 0
1 1
2 2
l3 0 0
1 1
2 2
然后取一个子集:
subset = df.loc['l2':, :]
subset
vals
l2 0 0
1 1
2 2
l3 0 0
1 1
2 2
查看子集的索引,原始'l1'
索引仍然存在:
subset.index
MultiIndex(levels=[['l1', 'l2', 'l3'], [0, 1, 2]],
labels=[[1, 1, 1, 2, 2, 2], [0, 1, 2, 0, 1, 2]
如果我重置该索引级别,则'l1'
似乎消失了:
subset.reset_index(level=0)
level_0 vals
0 l2 0
1 l2 1
2 l2 2
0 l3 0
1 l3 1
2 l3 2
,然后我可以将'level_0'
作为索引重新放置,从本质上是我想实现的目标
subset.reset_index(level=0).set_index('level_0', append=True).reorder_levels([1, 0]).index
MultiIndex(levels=[['l2', 'l3'], [0, 1, 2]],
labels=[[0, 0, 0, 1, 1, 1], [0, 1, 2, 0, 1, 2]],
names=['level_0', None])
但是,这显然是一条非常循环的路线。我想另一个选项是放下其他行,但是当尝试为多索引DF做一系列行时,我发现df.drop
非常笨拙。
如果数据帧不是层次结构,则不会发生这种行为。例如:
df = pd.DataFrame({'vals': range(5)}, index=['a', 'b', 'c', 'd', 'e'])
df.index
Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
,然后取子集
subset = df.loc[('b', 'c', 'd'),:]
subset.index
Index(['b', 'c', 'd'], dtype='object')
我尚不清楚为什么这会以这种方式行事。
我认为,您需要pd.multiindex.remove_unused_levels
subset.index.remove_unused_levels()
输出:
MultiIndex(levels=[['l2', 'l3'], [0, 1, 2]],
labels=[[0, 0, 0, 1, 1, 1], [0, 1, 2, 0, 1, 2]])