详解pandas中MultiIndex和对象实际索引不一致问题

时间:2021-04-03 人气:0

在最新版的pandas中（不知道之前的版本有没有这个问题），当我们对具有多层次索引的对象做切片或者通过df[bool_list]的方式索引的时候，得到的新的对象尽管实际索引已经发生了改变，但是当直接使用df_new.index调取新对象的MultiIndex对象的时候，这个MultiIndex对象还是和原对象的索引保持一致的，而不是和新对象的实际索引保持一致。这点需要特别注意，因为正常情况下，我们自然会认为df.index的MultiIndex对象和df的实际索引是一致的，基于此，我们可能会写出一些难以发现的bug。可以看下面的例子。

import pandas as pd
 
df_t1=pd.DataFrame([[1,2],[2,3],[2,3],[3,5]],index=[['a','a','b','b'],[0,1,0,1]])
 
df_t1
Out[39]: 
   0 1
a 0 1 2
 1 2 3
b 0 2 3
 1 3 5
 
df_t2=df_t1.loc[[x=='a' for x in df_t1.index.levels[0]]]
 
df_t2 
Out[41]: 
   0 1
a 0 1 2
 
df_t2.index  #从上面df_t2对象的输出结果和下面index的输出结果可以发现，df_t2的index和其实际的索引并不一致
Out[42]: 
MultiIndex(levels=[['a', 'b'], [0, 1]],
      codes=[[0], [0]])
 
df_t3=df_t1.iloc[:2,:]
 
df_t3
Out[46]: 
   0 1
a 0 1 2
 1 2 3
 
df_t3.index #从上面df_t3对象的输出结果和下面index的输出结果可以发现，df_t3的index和其实际的索引也不一致
Out[47]: 
MultiIndex(levels=[['a', 'b'], [0, 1]],
      codes=[[0, 0], [0, 1]])

从上面的例子可以看出，当通过bool索引和切片索引时，就会出现这种问题，其他的索引方式一般不会出现这种问题。当遇到这种问题时，如果我们需要始终保持新对象的index得到的对象和实际索引一致，该如何做呢？请看下面代码

df_t2.index.remove_unused_levels()
Out[62]: 
MultiIndex(levels=[['a'], [0]],
      codes=[[0], [0]])
 
df_t2.index=df_t2.index.remove_unused_levels()
 
df_t2.index
Out[75]: 
MultiIndex(levels=[['a'], [0]],
      codes=[[0], [0]])
 
df_t2
Out[76]: 
   0 1
a 0 1 2

可以看到，MultiIndex对象有一个remove_unused_levels()函数，其作用是把没有被使用的索引被去处掉，这样就可以使得对象的MultiIndex对象和其实际显示出来的索引保持一致了。故其实在遇到多层次索引的切片索引或者bool索引之后，加上一条df.index.remove_unused_levels()语句不失为一个好的习惯，或者至少得有这种意识，意识到此处可能会出现这种问题。

您可能感兴趣的文章:

加载全部内容