多索引中的标签输出

Question

我正在阅读以下位置的多索引/高级索引

https://pandas.pydata.org/pandas-docs/stable/advanced.html

In [1]: arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
   ...:           ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
   ...: 

In [2]: tuples = list(zip(*arrays))

In [3]: tuples
Out[3]: 
[('bar', 'one'),
 ('bar', 'two'),
 ('baz', 'one'),
 ('baz', 'two'),
 ('foo', 'one'),
 ('foo', 'two'),
 ('qux', 'one'),
 ('qux', 'two')]

In [4]: index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])

In [5]: index
Out[5]: 
MultiIndex(levels=[['bar', 'baz', 'foo', 'qux'], ['one', 'two']],
           labels=[[0, 0, 1, 1, 2, 2, 3, 3], [0, 1, 0, 1, 0, 1, 0, 1]],
           names=['first', 'second'])

我的问题是如何解释标签输出？以及这个输出是如何从给定的输入中产生的。

Answer 1

级别是MultiIndex 的所有可能的唯一值。 labels 映射此级别。

所以对于第一级['bar', 'baz', 'foo', 'qux'] 由标签[0, 0, 1, 1, 2, 2, 3, 3] 中定义的位置映射，输出为['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux']。它适用于所有级别。

如果检查defined levels 是可能的，则不使用某些级别，但所有可能的值都存在于levels 中。

所以：

print (index[:4].values)
[('bar', 'one') ('bar', 'two') ('baz', 'one') ('baz', 'two')]

print (index[:4])
MultiIndex(levels=[['bar', 'baz', 'foo', 'qux'], ['one', 'two']],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]],
           names=['first', 'second'])

对于删除，可以使用MultiIndex.remove_unused_levels，0.20.0 版中的新功能：

print (index[:4].remove_unused_levels())
MultiIndex(levels=[['bar', 'baz'], ['one', 'two']],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]],
           names=['first', 'second'])

Answer 2

labels 是一个列表列表，其中每个子列表的长度必须相同。那是因为每个子列表的长度与索引本身的长度相同。每个子列表的每个成员都是对应levels子列表的位置。

所以这个pd.MultiIndex 的第一个元素将由每个labels 子列表的第一个元素决定。

第一个子列表的第一个元素是0，它对应于'bar'。第二个子列表的第一个元素是0，它对应于'one'。表示索引的第一个元素是('bar', 'one')

当我们看到我们可以用labels 子列表分割levels 子列表时，这一点变得更加明显。

index.levels[0][index.labels[0]]

Index(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'], dtype='object', name='first')

和

index.levels[1][index.labels[1]]

Index(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'], dtype='object', name='second')

我们可以将它们压缩在一起以创建我们期望的内容

list(zip(index.levels[0][index.labels[0]], index.levels[1][index.labels[1]]))

[('bar', 'one'),
 ('bar', 'two'),
 ('baz', 'one'),
 ('baz', 'two'),
 ('foo', 'one'),
 ('foo', 'two'),
 ('qux', 'one'),
 ('qux', 'two')]