python - 通过第二个索引访问 pandas groupby multiindex

Question

找不到类似的问题。假设我有带有 Multiindex(城市、月份)的grouped_price，如下所示:

City  Month     Price Sales 
LA   2017-01     10    10
     2017-02     15    20
     2017-05     20    35       
     2017-07     25    40
NY   2017-01     10     5
     2017-03     15    30
     2017-05     20    40       
     2017-06     25    45
CH   2017-01     7     10
     2017-02     11    22
     2017-07     30    41
OL   2017-01     9     10
     2017-02     17    10
     2017-05     20    30       
     2017-07     25    41 
     2017-08     30    47

因此，对于“正常”循环顺序“城市 -> 月份”，我做了:

Cities = grouped_price.index.levels[0]
for city in Cities:
    labels = grouped_price.loc[city].index.labels
    levels = grouped_price.loc[city].index.levels
    Months = levels[0][labels[0]].unique() # for each City get a list of existing Months
    for mon in Months:
        # do things here
        x = grouped_price.loc[city, mon]  # ERROR here!

并且它有效。但对于反向循环:

Months = grouped_price.index.levels[1]
Cities = grouped_price.index.levels[0]
for mon in Months:
    # Here I should get the list of Cities for specific Month
    for city in Cities:
        # do things here
        x = grouped_price.loc[city, mon]  # ERROR here!

给出错误，因为并非所有 city-mon 对都存在于 MultiIndex 中。我应该找到特定月份的城市列表，其中存在哪些城市对，但我不明白如何找到。

Cities = grouped_price.loc[:, mon] - doesn't work

附注我知道我可以旋转表格，或者以相反的顺序对它们进行分组，但我不想这样做。

Answer 1

一种解决方案是颠倒 MultiIndex 级别的顺序:

df = df.swaplevel(0, 1)

您可能还希望对新的 MultiIndex 进行排序(可选)。这是一个最小的例子:

df = pd.DataFrame([[0, 1, 2], [0, 2, 3], [1, 3, 4], [1, 1, 5]],
                  columns=['idx1', 'idx2', 'col'])

df = df.set_index(['idx1', 'idx2'])
df = df.swaplevel(0, 1).sort_index()

print(df)

idx2 idx1     
1    0       2
     1       5
2    0       3
3    1       4