Python 数据帧中索引和列的级别（深度）数

Python

DataFrame

可以具有层次索引（

MultiIndex

）或层次列

我正在寻找一种了解索引和列的级别（深度）的方法

len(df.index.levels)

似乎只适用于多索引，但不适用于普通索引

是否有此属性（适用于

多索引

，但也适用于简单的

索引

）

或

那太好了

多索引列和索引的一个示例：

import pandas as pd
import numpy as np

def mklbl(prefix,n):
    return ["%s%s" % (prefix,i)  for i in range(n)]

def mi_sample():
    miindex = pd.MultiIndex.from_product([mklbl('A',4),
                                       mklbl('B',2),
                                       mklbl('C',4),
                                       mklbl('D',2)])


    micolumns = pd.MultiIndex.from_tuples([('a','foo'),('a','bar'),
                                        ('b','foo'),('b','bah')],
                                         names=['lvl0', 'lvl1'])

    dfmi = pd.DataFrame(np.arange(len(miindex)*len(micolumns)).reshape((len(miindex),len(micolumns))),
                 index=miindex,
                 columns=micolumns).sortlevel().sortlevel(axis=1)
    return(dfmi)

df = mi_sample()

所以df看起来像：

lvl0           a         b
lvl1         bar  foo  bah  foo
A0 B0 C0 D0    1    0    3    2
         D1    5    4    7    6
      C1 D0    9    8   11   10
         D1   13   12   15   14
      C2 D0   17   16   19   18
         D1   21   20   23   22
      C3 D0   25   24   27   26
         D1   29   28   31   30
   B1 C0 D0   33   32   35   34
         D1   37   36   39   38
      C1 D0   41   40   43   42
         D1   45   44   47   46
      C2 D0   49   48   51   50
         D1   53   52   55   54
      C3 D0   57   56   59   58
         D1   61   60   63   62
A1 B0 C0 D0   65   64   67   66
         D1   69   68   71   70
      C1 D0   73   72   75   74
         D1   77   76   79   78
      C2 D0   81   80   83   82
         D1   85   84   87   86
      C3 D0   89   88   91   90
         D1   93   92   95   94
   B1 C0 D0   97   96   99   98
         D1  101  100  103  102
      C1 D0  105  104  107  106
         D1  109  108  111  110
      C2 D0  113  112  115  114
         D1  117  116  119  118
...          ...  ...  ...  ...
A2 B0 C1 D0  137  136  139  138
         D1  141  140  143  142
      C2 D0  145  144  147  146
         D1  149  148  151  150
      C3 D0  153  152  155  154
         D1  157  156  159  158
   B1 C0 D0  161  160  163  162
         D1  165  164  167  166
      C1 D0  169  168  171  170
         D1  173  172  175  174
      C2 D0  177  176  179  178
         D1  181  180  183  182
      C3 D0  185  184  187  186
         D1  189  188  191  190
A3 B0 C0 D0  193  192  195  194
         D1  197  196  199  198
      C1 D0  201  200  203  202
         D1  205  204  207  206
      C2 D0  209  208  211  210
         D1  213  212  215  214
      C3 D0  217  216  219  218
         D1  221  220  223  222
   B1 C0 D0  225  224  227  226
         D1  229  228  231  230
      C1 D0  233  232  235  234
         D1  237  236  239  238
      C2 D0  241  240  243  242
         D1  245  244  247  246
      C3 D0  249  248  251  250
         D1  253  252  255  254

[64 rows x 4 columns]

---

要对上述评论进行总结，请执行以下操作：

您可以使用

.nlevels

属性，该属性提供索引和列的级别数：

df = pd.DataFrame(np.random.rand(2,2), index=[['A','A'],['B','C']], columns=['a','b'])
df
     a      b
A B  0.558  0.336
  C  0.148  0.436    

df.index.nlevels
2

df.columns.nlevels
1

正如上面提到的@joris

len（df.columns.levels）

在上面的示例中不起作用，因为

columns

不是

MultiIndex

，给出：

AttributeError: 'Index' object has no attribute 'levels'

但对于上例中的

索引

，它可以正常工作：

len(df.index.levels)
2

---

您可能需要像len（set（df.a））这样的东西，它可以在索引列或普通列上工作。

列没有级别。（或者是吗？@Oxinabox是的，他们可以：EdChum：这不是说索引有深度吗？（我可能误读了），在Pandas中（不幸的是，在我的选择中，尽管我理解为什么），索引和列是非常不同的，所以你想得到特定级别的大小吗

len（df.columns.levels）

和

len（df.index.levels）

这两种方法都有效。还有一个属性可以为索引输出级别数：

df.index.nlevels

这会给

.nlevels

的答案增加什么，该属性对多索引和普通索引/列都有效？

AttributeError: 'Index' object has no attribute 'levels'

len(df.index.levels)
2