Python Pandas MultiIndex的子集适用于整个索引，但不适用于特定级别？

我在使用

pd.MultiIndex

时遇到了奇怪的行为，我正试图了解发生了什么。与其说是寻求解决方案，不如说是寻求解释

假设我有一个多索引数据帧：

index0 = pd.Index(['a', 'b', 'c'], name='let')
index1 = pd.Index(['foo', 'bar', 'baz'], name='word')
x = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], index=[index0, index1])

display(x)

        0   1   2
let word            
a   foo 1   2   3
b   bar 4   5   6
c   baz 7   8   9

display(y.index)

MultiIndex([('a', 'foo'),
            ('c', 'baz')],
           names=['let', 'word'])

如果我用

df.loc

获取该数据帧的子集：

sub = ['a', 'c']
y = x.loc[sub]
display(y)

        0   1   2
let word            
a   foo 1   2   3
c   baz 7   8   9

到目前为止，一切顺利。现在，查看新数据帧的索引：

index0 = pd.Index(['a', 'b', 'c'], name='let')
index1 = pd.Index(['foo', 'bar', 'baz'], name='word')
x = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], index=[index0, index1])

display(x)

        0   1   2
let word            
a   foo 1   2   3
b   bar 4   5   6
c   baz 7   8   9

display(y.index)

MultiIndex([('a', 'foo'),
            ('c', 'baz')],
           names=['let', 'word'])

这也有道理。但如果我看一下子集数据帧索引的特定级别

display(y.index.levels[1])

Index(['bar', 'baz', 'foo'], dtype='object', name='word')

突然，我得到了原始完整数据帧的值，而不是所选的子集

---

为什么会发生这种情况？

我们需要为此添加一个特定的函数

删除未使用的级别

，因为它是类别类型数据

y.index.levels[0]
Index(['a', 'b', 'c'], dtype='object', name='let')

# after add
y.index=y.index.remove_unused_levels()
y.index.levels[0]
Index(['a', 'c'], dtype='object', name='let')

---

我们需要添加一个特定的函数

remove\u unused\u levels

，因为它是类别类型数据

y.index.levels[0]
Index(['a', 'b', 'c'], dtype='object', name='let')

# after add
y.index=y.index.remove_unused_levels()
y.index.levels[0]
Index(['a', 'c'], dtype='object', name='let')

---

我认为您混淆了

级别

和

获取级别值

：

y.index.get_level_values(1)
# Index(['foo', 'baz'], dtype='object', name='word')

y.index.levels

正如本在回答中提到的，只是所有可能的值（在截断之前）。让我们看另一个例子：

df = pd.DataFrame([[0]], 
                  index=pd.MultiIndex.from_product([[0,1],[0,1,2]]))

因此，

df

看起来像：

     0
0 0  0
  1  0
  2  0
1 0  0
  1  0
  2  0

现在，您认为使用

df.index.levels[1]

我们会得到什么？答案是：

Int64Index([0, 1, 2], dtype='int64')

它由级别中所有可能的值组成。鉴于，

df.index.get_level_值（1）

给出：

Int64Index([0, 1, 2, 0, 1, 2], dtype='int64')

---

我认为您混淆了

级别

和

获取级别值

：

y.index.get_level_values(1)
# Index(['foo', 'baz'], dtype='object', name='word')

y.index.levels

正如本在回答中提到的，只是所有可能的值（在截断之前）。让我们看另一个例子：

df = pd.DataFrame([[0]], 
                  index=pd.MultiIndex.from_product([[0,1],[0,1,2]]))

因此，

df

看起来像：

     0
0 0  0
  1  0
  2  0
1 0  0
  1  0
  2  0

现在，您认为使用

df.index.levels[1]

我们会得到什么？答案是：

Int64Index([0, 1, 2], dtype='int64')

它由级别中所有可能的值组成。鉴于，

df.index.get_level_值（1）

给出：

Int64Index([0, 1, 2, 0, 1, 2], dtype='int64')