在pandas多重索引multiIndex中选定指定索引的行

在multiIndex中选定指定索引的行

我们在用pandas类似groupby来使用多重index时，有时想要对多个level中的某个index对应的行进行操作，就需要在dataframe中找到该index对应的行，在单层index中我们可以方便的使用df.loc[index]来选择，在多重Index中我们可以利用的类似的思路，然而其中也有一些小坑，记录如下。

1 index为有序的

1.1 创建测试数据

首先创建一个dataframe数据

df = pd.DataFrame({'class':['A','A','A','B','B','B','C','C'],
                   'id':['a','b','c','a','b','c','a','b'],
                   'value':[1,2,3,4,5,6,7,8]})

df中内容如下图：

1.2 设置multiIndex

通过set_index设为多重索引

df = df.set_index(['class','id'])

设置索引后效果：

1.3 切片筛选index

这里同样使用loc定位

df.loc[('A',slice(None)),:]

各参数的解释如下：

• loc[(a,b),c]中第一个参数元组为索引内容，a为level0索引对应的内容，b为level1索引对应的内容
  因为df是一个dataframe，所以要用c来指定列
• 这里‘A’，指选择class中的A类
• slice(None), 是Python中的切片操作，这里用来选择任意的id，要注意！不能使用‘:’来指定任意index

• ‘:’,用来指定dataframe任意的列

  执行后的结果如下：
  
  同样，如果想只保留id中的’a’，则可以使用：

df.loc[(slice(None),'a'),:]

2 index无序

前面的例子对应的index列为数字或字母，是有序的，接下来我们看看index列为中文的情况。

2.1 创建无序测试数据

df2 = pd.DataFrame({'课程':['语文','语文','数学','数学'],'得分':['最高','最低','最高','最低'],'分值':[90,50,100,60]})
df2 = df2.set_index(['课程','得分'])

2.2 尝试切片选择index

df2.loc[('语文',slice(None)),:]

我们进行同样的操作，这时会发现提示出错：
UnsortedIndexError: 'MultiIndex Slicing requires the index to be fully lexsorted tuple len (2), lexsort depth (0)'
这是因为此时的index无法进行排序，在pandas文档中提到：Furthermore if you try to index something that is not fully lexsorted, this can raise:

我们可以通过 df2.index.is_lexsorted()来检查index是否有序，

 In[1]: df2.index.is_lexsorted()
out[1]: False

接下来，我们尝试对Index进行排序。（排序时要在level里指定index名）

2.3 对index排序后切片选择index

df2 = df2.sort_index(level='课程')

df2.loc[('语文',slice(None)),:]

得到了我们想要的结果。

参考文献：pandas-docs-MultiIndex / Advanced Indexing