多列的pandas get_level_values

Question

有没有一种方法可以获取get_level_values不止一列的结果？

给定以下内容DataFrame：

         d
a b c     
1 4 10  16
    11  17
  5 12  18
2 5 13  19
  6 14  20
3 7 15  21

我希望得到的值（即水平的元组的列表）a和c：

[(1, 10), (1, 11), (1, 12), (2, 13), (2, 14), (3, 15)]

笔记：

• 不能给出get_level_values一个以上的等级（例如 df.index.get_level_values(['a','c']）

• 有一种解决方法，可以get_level_values在每个所需的列上同时使用zip它们：

例如：

a_list = df.index.get_level_values('a').values
c_list = df.index.get_level_values('c').values

print([i for i in zip(a_list,c_list)])
[(1, 10), (1, 11), (1, 12), (2, 13), (2, 14), (3, 15)]

但是随着列数的增加，它变得很麻烦。

• 构建示例的代码DataFrame：

df = pd.DataFrame({'a':[1,1,1,2,2,3],'b':[4,4,5,5,6,7,],'c':[10,11,12,13,14,15], 'd':[16,17,18,19,20,21]}).set_index(['a','b','c'])

Answer 1

的.tolist()方法MultiIndex给出了中所有级别的元组列表MultiIndex。举例来说DataFrame，

df.index.tolist()
# => [(1, 4, 10), (1, 4, 11), (1, 5, 12), (2, 5, 13), (2, 6, 14), (3, 7, 15)]

因此，这里有两个想法：

1. 从原始的获取元组列表MultiIndex并过滤结果。

   [(a, c) for a, b, c in df.index.tolist()]
   # => [(1, 10), (1, 11), (1, 12), (2, 13), (2, 14), (3, 15)]
   

   这种简单方法的缺点是您需要手动指定所需级别的顺序。您可以利用itertools.compress名称来选择它们。

   from itertools import compress
   
   mask = [1 if name in ['a', 'c'] else 0 for name in df.index.names]
   [tuple(compress(t, mask)) for t in df.index.tolist()]
   # => [(1, 10), (1, 11), (1, 12), (2, 13), (2, 14), (3, 15)]
   

2. 创建具有所需级别的MultiIndex并对其进行调用.tolist()。

   df.index.droplevel('b').tolist()
   # => [(1, 10), (1, 11), (1, 12), (2, 13), (2, 14), (3, 15)]
   

   如果您想命名要保留的级别（而不是要降低的级别），则可以执行以下操作

   df.index.droplevel([level for level in df.index.names
                   if not level in ['a', 'c']]).tolist()
   # => [(1, 10), (1, 11), (1, 12), (2, 13), (2, 14), (3, 15)]