如何在 Pandas MultiIndex 中增加一个级别？答案

【问题标题】：How can I increment a level in Pandas MultiIndex?如何在 Pandas MultiIndex 中增加一个级别？
【发布时间】：2017-04-19 02:47:47
【问题描述】：

如何增加 pandas 多索引特定级别中的所有值？

【问题讨论】：

标签： pandas multi-index

【解决方案1】：

可以这么简单

df.index.set_levels(df.index.levels[0] + 1, 0, inplace=True)

演示

df = pd.DataFrame(
    dict(A=[2, 3, 4, 5]),
    pd.MultiIndex.from_product([[1, 2], [3, 4]])
)
df

df.index.set_levels(df.index.levels[0] + 1, 0, inplace=True)
df

【讨论】：

TypeError: 'FrozenList' does not support mutable operations.

【解决方案2】：

您可以创建新的MultiIndex.from_tuples 并分配：

df = pd.DataFrame({'A':[1,2,3],
                   'B':[4,5,6],
                   'C':[7,8,9],
                   'D':[1,3,5],
                   'E':[5,3,6],
                   'F':[7,4,3]})

df = df.set_index(['A','B'])
print (df)
     C  D  E  F
A B            
1 4  7  1  5  7
2 5  8  3  3  4
3 6  9  5  6  3

#change multiindex
new_index = list(zip(df.index.get_level_values('A'), df.index.get_level_values('B') + 1))
df.index = pd.MultiIndex.from_tuples(new_index, names = df.index.names)
print (df)
     C  D  E  F
A B            
1 5  7  1  5  7
2 6  8  3  3  4
3 7  9  5  6  3

reset_index 和 set_index 的另一种可能解决方案：

df = df.reset_index()
df.B = df.B + 1
df = df.set_index(['A','B'])
print (df)
     C  D  E  F
A B            
1 5  7  1  5  7
2 6  8  3  3  4
3 7  9  5  6  3

DataFrame.assign 的解决方案：

print (df.reset_index().assign(B=lambda x: x.B+1).set_index(['A','B']))

时间安排：

In [26]: %timeit (reset_set(df1))
1 loop, best of 3: 144 ms per loop

In [27]: %timeit (assign_method(df3))
10 loops, best of 3: 161 ms per loop

In [28]: %timeit (jul(df2))
1 loop, best of 3: 543 ms per loop

In [29]: %timeit (tuples_method(df))
1 loop, best of 3: 581 ms per loop

计时码：

np.random.seed(100)
N = 1000000
df = pd.DataFrame(np.random.randint(10, size=(N,5)), columns=list('ABCDE'))
print (df)

df = df.set_index(['A','B'])
print (df)
df1 = df.copy()
df2 = df.copy()
df3 = df.copy()

def reset_set(df):
    df = df.reset_index()
    df.B = df.B + 1
    return df.set_index(['A','B'])

def assign_method(df):
    df = df.reset_index().assign(B=lambda x: x.B+1).set_index(['A','B']) 
    return df   

def tuples_method(df):
    new_index = list(zip(df.index.get_level_values('A'), df.index.get_level_values('B') + 1))
    df.index = pd.MultiIndex.from_tuples(new_index, names = df.index.names)
    return df

def jul(df):
    df.index = pd.MultiIndex.from_tuples([(x[0], x[1]+1) for x in df.index], names=df.index.names)
    return df

感谢Jeff 提供另一个解决方案：

df.index.set_levels(df.index.levels[1] + 1 , level=1, inplace=True)
print (df)

     C  D  E  F
A B            
1 5  7  1  5  7
2 6  8  3  3  4
3 7  9  5  6  3

【讨论】：

酷，谢谢！我觉得奇怪，这是一个如此繁琐的操作.. :/
不幸的是。
我猜有一些性能实现细节可以做到这一点？
我先瘦第二快，但我可以添加计时
pandas.pydata.org/pandas-docs/stable/generated/… 是惯用的方式；也将是迄今为止性能最高的，因为您只设置了实际级别

【解决方案3】：

这里有一个稍微不同的方式：

df.index = pd.MultiIndex.from_tuples([(x[0], x[1]+1) for x in df.index], names=df.index.names)

1000 loops, best of 3: 840 µs per loop

比较：

new_index = list(zip(df.index.get_level_values('A'), 
df.index.get_level_values('B') + 1))
df.index = pd.MultiIndex.from_tuples(new_index, names = df.index.names)

1000 loops, best of 3: 984 µs per loop

reset_index 方法慢了 10 倍。

【讨论】：