Python 为什么在熊猫中使用apply时会有一个额外的索引

当我在Pandas中对用户定义的函数使用

apply

时，看起来python正在创建一个额外的数组。我怎样才能摆脱它？这是我的密码：

def fnc(group):
    x = group.C.values
    out = x[np.where(x < 0)]
    return pd.DataFrame(out)

data = pd.DataFrame({'A':np.random.randint(1, 3, 10),
                     'B':3,
                     'C':np.random.normal(0, 1, 10)})

data.groupby(by=['A', 'B']).apply(fnc).reset_index()

---

因此，您将无法避免出现级别2。这是因为分组的结果是一个包含多个项的数据帧：pandas很酷，可以理解您希望在分组的键之间广播这些项，但是它将数据帧的索引作为一个额外的级别，以保证一致的输出数据。因此，在处理结束时显式删除level=-1是应该的

---

如果您希望避免重置额外的索引，但仍有一些后期处理，另一种方法是调用transform而不是apply，并从

fnc

获取返回的数据，该数据是放置

np.nan

以排除结果的整个组向量。然后，您的数据帧将不会有额外的级别，但您需要在之后调用

dropna（）

。

您在跟踪：

data[data.C<0]

？您想完成什么。这并不明显，为什么要在

fnc

中返回一个数据帧？你的导出结果是什么，为什么首先要做一个groupby？看起来简单的

data[data['C']<0]

对你来说应该行得通。我的问题是为什么要创建一个列“Level_2”？有没有办法不创造它@胡安帕·阿里维拉加

    A   B   level_2   0
0   1   3   0        -1.054134802
1   1   3   1        -0.691996447
2   2   3   0        -1.068693768
3   2   3   1        -0.080342046
4   2   3   2        -0.181869799