python - pandas - 多索引切片未按预期调整索引值

Question

在 Pandas 中，我试图过滤掉数据框中具有特定日期(设置为多索引的第一级)的行。

过滤后，我想检查第一级的最后一个索引值是否与我的最新日期匹配。但是，我无法让 Pandas 返回正确的值。

一个例子可能会有帮助。我首先使用 multiindex 创建原始 df:

index = pd.date_range('2016-01-01', freq='B', periods=10), ["AAPL", "GOOG"]
df = pd.DataFrame(index=pd.MultiIndex.from_product(index))
print df

然后我过滤掉特定的日期:

start, end = df.index.levels[0][1], df.index.levels[0][-4]
print start, end

现在，我创建过滤后的 df，仅包括从开始到结束的日期:

df2 = df.loc[start:end]
df2

这看起来不错，正如预期的那样。 “01/12/2016”是我的最后索引日期。

然后，当我检查第一级 (0) 的最后一个索引值时，它返回“01/14/16”而不是我选择的结束日期(“01/12/2016”)。

print df2.index.levels[0][-1]

如何从 df2 获取最后日期？我是否遗漏了什么或者这是一个错误？

Answer 1

您看到的行为的原因是切片 pandas.DataFrame 不会切片索引，这是故意的。要获得所需的行为，您可以使用 Pandas 0.20.0 中新引入的 remove_unused_levels() 函数:

# Update index to remove values that are not used
df2.index = df2.index.remove_unused_levels()

执行此操作后，以下两行将提供相同的输出:

# Print the last value in index
print df2.index.levels[0][-1]
# Print the last value in the slice
print end

为了进一步解释，df2.index.levels[0] 为您提供了实际使用的不同索引值。正如 IanS 指出的那样，如果您想要实际使用的索引部分(而不是不同的值)，那么您可以使用 df2.index.get_level_values(0)。在上面的示例中，这将给每个日期两次，因为每个日期分别用于 'AAPL' 和 'GOOG' 一次。取其中任何一个的最终值(通过-1)给出相同的值。