取多指标的子集，指标的意外行为

Question

我有来自一个特定数据流的许多重复的数据，这些重复被组织成多索引数据帧（其中每个重复被标记为['rep1', 'rep2', .., 'repN']）。我经常需要在这些重复的范围内获取较大数据帧的子集（例如df.loc['rep5':'rep50', :]）。你知道吗

但是，如果没有后续子集的索引仍然保留来自较大数据帧的整个索引值列表（即['rep1', 'rep2', .., 'repN']），我还无法找到一种方法来实现这一点。你知道吗

因此，作为一个简化的示例，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

然后取其中的一个子集：

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，原始的'l1'索引仍然是：

subset.index
MultiIndex(levels=[['l1', 'l2', 'l3'], [0, 1, 2]],
           labels=[[1, 1, 1, 2, 2, 2], [0, 1, 2, 0, 1, 2]

但是，如果我重置索引级别，'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

然后我可以把'level_0'作为索引放回去，基本上达到我想要达到的目标

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])

然而，这显然是一条非常迂回的路线。我认为另一种选择是删除其他行，但我发现df.drop在尝试为多索引df执行一系列行时非常不方便。你知道吗

如果数据帧不是层次结构，则不会发生此行为。例如：

df = pd.DataFrame({'vals': range(5)}, index=['a', 'b', 'c', 'd', 'e'])

df.index
Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

然后取一个子集

subset = df.loc[('b', 'c', 'd'),:]
subset.index
Index(['b', 'c', 'd'], dtype='object')

我不清楚为什么会这样。你知道吗

Answer 1

我想，你需要的是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]])