Python 如何向下转换整数多索引级别？ 我有一个大规模多索引系列的字典，其中两个索引级别都是日期时间值。 其中一个抽象的简短示例是： 我需要保存所有数据，所以我选择将每个系列分别导入到公共HDF5文件中，并使用dictionary键作为hdf键。当我将其保存为原样时，我的文件卷大约为4GB，因此我正在尝试使其更薄。此外，我还需要跨索引处理所有系列数据，所以我需要一些全局标识方法。 我的想法是从所有系列中的两个级别共同收集日期（大约有11000个唯一日期），并用唯一编号标识符替换它，以便有机会恢复所有系列的原始索引。但只有当我能够将数值转换为int16类型时，它才有意义。 因此，我尝试了这样一个序列（这里我将其简化为单个系列）：

这似乎是一个成功：

print('df_info_downcasted column types:\n', df_info_downcasted.dtypes)

结果表明：

df_info_downcasted column types:
Event_Date            int16
Observation_Date      int16
Some_Values         float64

但当我将列移回索引级别时，它又变为int64：

我尝试了其他操作，但也失败了：

因此，我非常需要一个建议，如何显式地将整数类型转换为较短的类型，或者其他建议，如何缩短系列卷。我还尝试将所有系列附加到一个大型系列中，但这会引发内存错误

print('df_info_downcasted column types:\n', df_info_downcasted.dtypes)

df_info_downcasted column types:
Event_Date            int16
Observation_Date      int16
Some_Values         float64

ser_info_downcasted = df_info_downcasted.set_index(['Event_Date', 'Observation_Date']).squeeze()
print('ser_info_downcasted index level 0 type: ', ser_info_downcasted.index.levels[0].dtype)
print('ser_info_downcasted index level 1 type: ', ser_info_downcasted.index.levels[1].dtype)

ser_info_downcasted index level 0 type:  int64
ser_info_downcasted index level 1 type:  int64

ser_info_astyped = ser_info_downcasted.copy()
ser_info_astyped.index = ser_info_astyped.index.set_levels(ser_info_astyped.index.levels[0].astype('int16'), level = 0)
ser_info_astyped.index = ser_info_astyped.index.set_levels(ser_info_astyped.index.levels[1].astype('int16'), level = 1)
print('ser_info_astyped index level 0 type: ', ser_info_astyped.index.levels[0].dtype)
print('ser_info_astyped index level 1 type: ', ser_info_astyped.index.levels[1].dtype)

ser_info_astyped index level 0 type:  int64
ser_info_astyped index level 1 type:  int64