溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
在最新版的pandas中（不知道之前的版本有沒有這個問題），當我們對具有多層次索引的對象做切片或者通過df[bool_list]的方式索引的時候，得到的新的對象盡管實際索引已經發生了改變，但是當直接使用df_new.index調取新對象的MultiIndex對象的時候，這個MultiIndex對象還是和原對象的索引保持一致的，而不是和新對象的實際索引保持一致。這點需要特別注意，因為正常情況下，我們自然會認為df.index的MultiIndex對象和df的實際索引是一致的，基于此，我們可能會寫出一些難以發現的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 #從上面df_t2對象的輸出結果和下面index的輸出結果可以發現，df_t2的index和其實際的索引并不一致
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 #從上面df_t3對象的輸出結果和下面index的輸出結果可以發現，df_t3的index和其實際的索引也不一致
Out[47]:
MultiIndex(levels=[['a', 'b'], [0, 1]],
codes=[[0, 0], [0, 1]])
從上面的例子可以看出，當通過bool索引和切片索引時，就會出現這種問題，其他的索引方式一般不會出現這種問題。當遇到這種問題時，如果我們需要始終保持新對象的index得到的對象和實際索引一致，該如何做呢？請看下面代碼
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對象有一個remove_unused_levels()函數，其作用是把沒有被使用的索引被去處掉，這樣就可以使得對象的MultiIndex對象和其實際顯示出來的索引保持一致了。故其實在遇到多層次索引的切片索引或者bool索引之后，加上一條df.index.remove_unused_levels()語句不失為一個好的習慣，或者至少得有這種意識，意識到此處可能會出現這種問題。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
