Python 在特定级别上重新索引多索引 安装程序

我想用

df1.index.levels[0]

重新索引

df2.index.levels[0]

我所做的：

import pandas as pd
import numpy as np
from string import ascii_lowercase

tidx = pd.date_range(end='2016-04-30', freq='M', periods=3)
tidx2 = tidx + pd.offsets.MonthBegin(-1) + pd.offsets.Day(15) + pd.offsets.BDay(-1)

np.random.seed([3,1415])

df1 = pd.DataFrame(np.random.rand(9, 1), columns=['Value'],
                   index=pd.MultiIndex.from_product([tidx, list(ascii_lowercase)[:3]]))
df2 = pd.DataFrame(np.random.rand(9, 1), columns=['Value'],
                   index=pd.MultiIndex.from_product([tidx2, list(ascii_lowercase)[:3]]))

看起来像：

 df1.unstack().reindex(df2.unstack().index, method='ffill').stack()

然而，这并不适用于超过2个级别的多索引

问题:

---

什么是对索引的特定级别重新编制索引的一般方法？

编辑：新的解决方案，可能更符合问题的精神：

                 Value
2016-02-29 a  0.757983
           b  0.934829
           c  0.831104
2016-03-31 a  0.879891
           b  0.926879
           c  0.721535
2016-04-30 a  0.117642
           b  0.145906
           c  0.199844

我们的想法是按照级别1分组，然后像往常一样重新编制索引。与以前的解决方案不同，这将执行基于时间的正向填充

第二次编辑：为了推广到多个级别，将

level=1

替换为：

def func(dfg):
    return dfg.reset_index(level=1, drop=True).reindex(df1.index.levels[0], method='ffill')

df2.groupby(level=1).apply(func).swaplevel(i=0, j=1).sortlevel(0)

在两个函数调用中

---

先前的答案：

我不知道这是否适用于所有情况，但在本例中，它会返回您想要的结果：

level=list(range(1, df2.index.nlevels))

结果:

df2.index.set_levels(df1.index.get_level_values(0), level=0)

---

我已经编辑了我的答案。。。再一次：）谢谢你。我已经用同样的方法概括了。我知道我没有贴出来。我想让人们有新的视角。这确实回答了这个问题，除非有更清晰的答案出现，否则我会将其标记为这样。再次感谢你的努力。同意，这并不优雅！我是否应该（暂时）删除我的答案，以免影响他人。此外，一个没有答案的向上投票的问题更容易引起注意。游戏技巧；）

In [12]: df2
Out[12]: 
                 Value
2016-02-29 a  0.757983
           b  0.934829
           c  0.831104
2016-03-31 a  0.879891
           b  0.926879
           c  0.721535
2016-04-30 a  0.117642
           b  0.145906
           c  0.199844