Pandas多级索引：单级数据提取技巧

今天golang学习网给大家带来了《Pandas多级索引：快速提取单级数据方法》，其中涉及到的知识点包括等等，无论你是小白还是老手，都适合看一看哦~有好的建议也欢迎大家在评论留言，若是看完有所收获，也希望大家能多多点赞支持呀！一起加油学习~

在Pandas MultiIndex DataFrame中，直接通过列名或`.loc`访问索引级别会引发`KeyError`。本文将详细介绍如何使用`df.index.get_level_values()`方法，通过级别名称或位置高效地提取多级索引中的单个级别数据，避免常见的错误，并提供清晰的代码示例，帮助用户准确获取所需索引信息。

在数据分析和处理中，Pandas DataFrame是不可或缺的工具。当数据具有层次结构时，我们常常会使用MultiIndex（多级索引）来组织DataFrame。然而，对于初学者而言，从MultiIndex中提取单个索引级别的数据可能会遇到一些困惑，因为其操作方式与从普通DataFrame中提取列数据有所不同。

理解MultiIndex与列的区别

在Pandas DataFrame中，我们通常通过df['column_name']或df.column_name来访问常规的数据列。但当一个列被设置为MultiIndex的一部分时，它就不再被视为DataFrame的常规数据列了。这意味着，尝试使用上述方法来访问MultiIndex中的级别（level）将导致KeyError，因为这些级别不再是DataFrame的“列”。

例如，考虑以下代码示例：

import pandas as pd

file_name = "https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv"
df = pd.read_csv(file_name)
# 将 'sepal_length' 和 'sepal_width' 设置为多级索引
df = df.set_index(['sepal_length','sepal_width'])
print("原始DataFrame头部：")
print(df.head())

# 尝试直接访问索引级别，这些操作会引发 KeyError 或 AttributeError
# df['sepal_length'] # KeyError: 'sepal_length'
# df.sepal_length    # KeyError: 'sepal_length'
# df.loc['sepal_length'] # KeyError: 'sepal_length'
# df.index.sepal_length # AttributeError: 'MultiIndex' object has no attribute 'sepal_length'

上述代码演示了将sepal_length和sepal_width设置为MultiIndex后，直接通过列名访问这些级别会失败。这是因为MultiIndex中的级别是索引的一部分，而不是DataFrame的数据列。

解决方案：使用 df.index.get_level_values()

为了从MultiIndex中正确、高效地提取单个级别的数据，Pandas提供了df.index.get_level_values()方法。此方法专门用于从MultiIndex对象中获取指定级别（level）的所有值。

get_level_values()方法接受一个参数，可以是级别的名称（字符串）或级别的位置（整数，从0开始）。

通过级别名称获取

import pandas as pd

file_name = ("https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv")

df = pd.read_csv(file_name)
df = df.set_index(["sepal_length", "sepal_width"])

# 通过级别名称 'sepal_length' 获取其值
sepal_length_values_by_name = df.index.get_level_values("sepal_length")
print("\n通过级别名称获取 'sepal_length' 的值：")
print(sepal_length_values_by_name)
print(type(sepal_length_values_by_name))

输出示例：

通过级别名称获取 'sepal_length' 的值：
Float64Index([5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9,
              ...
              6.7, 6.9, 5.8, 6.8, 6.7, 6.7, 6.3, 6.5, 6.2, 5.9],
             dtype='float64', name='sepal_length', length=150)
<class 'pandas.core.indexes.numeric.Float64Index'>

通过级别位置获取

# 通过级别位置 0 获取 'sepal_length' 的值
sepal_length_values_by_position = df.index.get_level_values(0)
print("\n通过级别位置 0 获取 'sepal_length' 的值：")
print(sepal_length_values_by_position)
print(type(sepal_length_values_by_position))

输出示例：

通过级别位置 0 获取 'sepal_length' 的值：
Float64Index([5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9,
              ...
              6.7, 6.9, 5.8, 6.8, 6.7, 6.7, 6.3, 6.5, 6.2, 5.9],
             dtype='float64', name='sepal_length', length=150)
<class 'pandas.core.indexes.numeric.Float64Index'>

可以看到，两种方法都成功地提取了sepal_length索引级别的数据，并返回了一个Float64Index对象，它在行为上类似于Pandas Series，可以进行进一步的数据操作。

get_level_values() 与 reset_index() 的比较

有时，用户可能会想到使用df.reset_index()['level_name']来获取索引级别的值。这种方法确实也能达到目的，但两者之间存在重要的区别和适用场景。

• df.index.get_level_values():

  • 用途: 专门用于从MultiIndex中提取单个级别的值。
  • 效率: 不会修改原始DataFrame，也不会创建整个DataFrame的副本。它直接从索引对象中提取所需数据，因此通常更高效，尤其是在处理大型DataFrame时。
  • 返回类型: 返回一个Index对象（如Float64Index），其行为类似于Series。

• df.reset_index()['level_name']:

  • 用途: reset_index()将索引级别转换为DataFrame的常规列。如果你的目标是将索引级别转换为普通列并将其作为DataFrame的一部分进行操作，那么reset_index()是合适的。
  • 效率: reset_index()会创建一个新的DataFrame，并将所有索引级别（包括你不需要的级别）都转换为常规列。这涉及到更多的数据复制和内存开销，如果仅仅是为了获取一个索引级别的值，效率较低。
  • 返回类型: reset_index()['level_name']会返回一个Pandas Series。

示例对比：

# 使用 reset_index() 获取 'sepal_length'
sepal_length_from_reset = df.reset_index()['sepal_length']
print("\n通过 df.reset_index()['sepal_length'] 获取的值：")
print(sepal_length_from_reset)
print(type(sepal_length_from_reset))

输出示例：

通过 df.reset_index()['sepal_length'] 获取的值：
0      5.1
1      4.9
2      4.7
3      4.6
4      5.0
      ... 
145    6.7
146    6.3
147    6.5
148    6.2
149    5.9
Name: sepal_length, Length: 150, dtype: float64
<class 'pandas.core.series.Series'>

从结果可以看出，reset_index()返回的是一个Series。虽然两者都能获取到值，但如果仅仅是为了获取索引级别的值而不改变DataFrame结构，get_level_values()是更专业、更高效的选择。

总结

当您需要在Pandas MultiIndex DataFrame中提取单个索引级别的数据时，务必记住索引级别并非常规列。正确的做法是使用df.index.get_level_values()方法，通过提供级别名称或其在MultiIndex中的位置来高效地获取所需数据。这种方法不仅能够避免常见的KeyError，而且在性能上优于reset_index()，尤其适用于只关注索引级别值而不需修改DataFrame结构的情境。理解并正确运用这一方法，将大大提升您在Pandas中处理复杂数据结构的能力。

到这里，我们也就讲完了《Pandas多级索引：单级数据提取技巧》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！