Python 在多索引数据帧中，groupby后面的.columns.levels[1]给出了整个数据帧的列

假设我有三个数据帧，在多索引的帮助下水平连接：

df1 = pd.DataFrame(data=np.random.randint(0, 100, (4, 5)), columns=list('ABCDE'))
df2 = pd.DataFrame(data=np.random.randint(0, 100, (4, 5)),columns=list('AGHIJ'))
df3 = pd.DataFrame(data=np.random.randint(0, 100, (4, 5)),columns=list('ALMNP'))
dfs = []
dfs.append(df1)
dfs.append(df2)
dfs.append(df3)
result = pd.concat(dfs, axis=1, keys=range(len(dfs)))

如果我按第一个索引分组，我应该得到我的第一个数据帧，如果我查看它的列列表，它应该是ABCD，但事实并非如此

print(result.groupby(axis=1, level=0).get_group(0).columns.levels[1])

---

提供df1、df2和df3的所有列

我将使用

获取级别值

，因为

级别

保留原始数据帧列的所有类别

result.groupby(axis=1, level=0).get_group(0).columns.get_level_values(1)
Out[1296]: Index(['A', 'B', 'C', 'D', 'E'], dtype='object')

---

这是

未使用级别的问题。当您有多索引时，级别仍然存在，只是未使用，因此您可以在需要时删除它们：

result.groupby(axis=1, level=0).get_group(0).columns.remove_unused_levels().levels[1]
#Index(['A', 'B', 'C', 'D', 'E'], dtype='object')


要查看所有内容是否仍然存在，请查看列。第一个级别仍有13个值，但此组仅引用前5个值

print(result.groupby(axis=1, level=0).get_group(0).columns)
#MultiIndex(levels=[[0, 1, 2], ['A', 'B', 'C', 'D', 'E', 'G', 'H', 'I', 'J', 'L', 'M', 'N', 'P']],
#           codes=[[0, 0, 0, 0, 0], [0, 1, 2, 3, 4]])