python - 多索引上的重新索引会更改结构并删除索引名称

Question

我正在尝试使用元组列表对多索引 Pandas.Series 重新建立索引。系列结构如下

(Pdb) object

respondent  brand    
0           Asda     6
1           Tesco    7
2           Asda     9
3           Aldi     2
4           Asda     4
Name: rating, dtype: int64

多索引结构如下

(Pdb) obj.index
MultiIndex(levels=[[0, 1, 2, 3, 4], [u'Aldi', u'Asda', u'Tesco']],
           labels=[[0, 1, 2, 3, 4], [1, 2, 1, 0, 1]],
           names=[u'respondent', u'brand'])

按如下方式重新索引后

indexes = [(0, u'Asda'), (0, u'Tesco'), (0, u'Aldi'), (0, u'pick'), (1, u'Asda'), (1, u'Tesco'), (1, u'Aldi'), (1, u'pick'), (2, u'Asda'), (2, u'Tesco'), (2, u'Aldi'), (2, u'pick'), (3, u'Asda'), (3, u'Tesco'), (3, u'Aldi'), (3, u'pick'), (4, u'Asda'), (4, u'Tesco'), (4, u'Aldi'), (4, u'pick')]

obj.reindex(index=indexes, fill_value=default)

结果是

0  Asda     6
   Tesco    0
   Aldi     0
   pick     0
1  Asda     0
   Tesco    7
   Aldi     0
   pick     0
2  Asda     9
   Tesco    0
   Aldi     0
   pick     0
3  Asda     0
   Tesco    0
   Aldi     2
   pick     0
4  Asda     4
   Tesco    0
   Aldi     0
   pick     0

现在是多重索引

MultiIndex(levels=[[0, 1, 2, 3, 4], [u'Aldi', u'Asda', u'Tesco', u'pick']],
           labels=[[0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4], [1, 2, 0, 3, 1, 2, 0, 3, 1, 2, 0, 3, 1, 2, 0, 3, 1, 2, 0, 3]])

这是一个问题，因为索引名称已被删除。有什么办法可以防止这种情况吗？如何解决？

Answer 1

我想我们可以创建一个新的 DataFrame 并将原始 DataFrame 中的值添加到新的 DataFrame 中:

In [134]:

print df
                  v
respondent brand   
0          Asda   6
1          Tesco  7
2          Asda   9
3          Aldi   2
4          Asda   4
In [135]:

Index = pd.MultiIndex.from_product((df.index.get_level_values(0).unique(), 
                                    df.index.get_level_values(1).unique()),
                                   names = df.index.names)
df2 = pd.DataFrame({'v': np.zeros(len(Index))},
                   index = Index)
In [136]:

print (df2+df).fillna(0)
                  v
respondent brand   
0          Aldi   0
           Asda   6
           Tesco  0
1          Aldi   0
           Asda   0
           Tesco  7
2          Aldi   0
           Asda   9
           Tesco  0
3          Aldi   2
           Asda   0
           Tesco  0
4          Aldi   0
           Asda   4
           Tesco  0