Python 按多索引删除数据帧行

我想使用MultiIndex值从pandas数据帧中删除行

我试过很多东西，但我把我认为更接近的东西放在下面。（事实上，我将解释整个问题，因为可能有一种使用完全不同方法的替代解决方案）。从相关矩阵中，我想得到一对相关度更高的列。我使用

unstack

并将结果放入数据框中：

In [263]: corr_df = pd.DataFrame(total.corr().unstack())

然后得到更高的相关性（实际上我也应该得到负数）

[264]中的

high=corr_-df[（corr_-df[0]>0.5）和（corr_-df[0]<1.0）]
In[236]：打印高
0
残糖密度0.552517
游离二氧化硫总二氧化硫0.720934
总二氧化硫游离二氧化硫0.720934
葡萄酒0.700357
密度残糖0.552517
葡萄酒总二氧化硫0.700357

足够接近，但有重复，这实际上是相关矩阵的点。为了清理它们，我的想法是迭代高值以删除重复项：

In [267]:
for row in high.iterrows():
    print row[0][0], ",", row[0][1]
    print high.loc[row[0][1]].loc[row[0][0]].index
    high.drop(high.loc[row[0][1]].loc[row[0][0]].index)
residual sugar , density
Int64Index([0], dtype='int64')
---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-267-1258da2a4772> in <module>()
      2     print row[0][0], ",", row[0][1]
      3     print high.loc[row[0][1]].loc[row[0][0]].index
----> 4     high.drop(high.loc[row[0][1]].loc[row[0][0]].index)

...
[huge stack of errors]
...
KeyError: 0

[267]中的

对于high.iterrows（）中的行：
打印行[0][0]，“，”，行[0][1]
打印high.loc[第[0][1]行].loc[第[0][0]行].index
high.drop（high.loc[row[0][1]].loc[row[0][0]].index）
残糖、密度
int64索引（[0]，dtype='int64'）
---------------------------------------------------------------------------
KeyError回溯（最近一次呼叫最后一次）
在（）
2打印第[0][0]、“、”、第[0][1]行
3打印高.loc[第[0][1]行].loc[第[0][0]行].index
---->4.高位下跌（高位loc[第[0][1]行].loc[第[0][0]行].index）
...
[大量错误]
...
关键错误：0

当索引正常时，

drop

方法可以很好地工作（请参阅），但是，当我得到一个

多索引时，如何构建
标签(
corr_df = pd.DataFrame(
{'residual sugar': [1, 0, 0, 0.552517, 0], 
'free sulfur dioxide': [0, 1, 0.720934, 0, 0], 
'total sulfur dioxide': [0, 0.720934, 1, 0, 0.700357],
'density': [0.552517, 0, 0, 1, 0],
'wine': [0, 0, 0.700357, 0, 1]}, 
index=['residual sugar', 'free sulfur dioxide', 'total sulfur dioxide', 'density', 'wine']).unstack()

# Notice the slight modification to the original
high = corr_df[(corr_df > 0.5) & (corr_df < 1.0)]

# Sort by index, then values
high.sort_index()
high.sort()

# Drop every other value (e.g. just take the evens)
result = high.iloc[[count for count, _ in enumerate(high) if count % 2 == 0]]
>>> result
density               residual sugar          0.552517
total sulfur dioxide  wine                    0.700357
free sulfur dioxide   total sulfur dioxide    0.720934

{‘残余糖’：[1,0,0,0.552517,0]，
“游离二氧化硫”：[0,1,0.720934,0,0]，
“总二氧化硫”：[0,0.720934,1,0,0.700357]，
“密度”：[0.552517,0,0,1,0]，
“葡萄酒”：[0,0,0.700357,0,1]}，
指数=[‘残余糖’、‘游离二氧化硫’、‘总二氧化硫’、‘密度’、‘葡萄酒’）。unstack（）
#请注意对原始文件的轻微修改
高=corr_-df[（corr_-df>0.5）和（corr_-df<1.0）]
#按索引排序，然后按值排序
高。排序_索引（）
high.sort（）
#每隔一个值就删除一次（例如，只需使用evens）
result=high.iloc[[计数的计数，如果计数%2==0，则在枚举中（高）]
>>>结果
密度残糖0.552517
二氧化硫总量0.700357
游离二氧化硫总二氧化硫0.720934

corr_df = pd.DataFrame(
{'residual sugar': [1, 0, 0, 0.552517, 0], 
'free sulfur dioxide': [0, 1, 0.720934, 0, 0], 
'total sulfur dioxide': [0, 0.720934, 1, 0, 0.700357],
'density': [0.552517, 0, 0, 1, 0],
'wine': [0, 0, 0.700357, 0, 1]}, 
index=['residual sugar', 'free sulfur dioxide', 'total sulfur dioxide', 'density', 'wine']).unstack()

# Notice the slight modification to the original
high = corr_df[(corr_df > 0.5) & (corr_df < 1.0)]

# Sort by index, then values
high.sort_index()
high.sort()

# Drop every other value (e.g. just take the evens)
result = high.iloc[[count for count, _ in enumerate(high) if count % 2 == 0]]
>>> result
density               residual sugar          0.552517
total sulfur dioxide  wine                    0.700357
free sulfur dioxide   total sulfur dioxide    0.720934