MultiIndex 上的 Pandas set_levels：级别值必须是唯一的答案

【问题标题】：Pandas set_levels on MultiIndex: Level values must be uniqueMultiIndex 上的 Pandas set_levels：级别值必须是唯一的
【发布时间】：2019-03-26 18:53:20
【问题描述】：

给定一个 DataFrame df

                    Value
Category Pool Class      
A        1.0  1.0       1
              9.0       2
B        1.0  1.0       3
C        1.0  1.0       4
              5.0       5

我想将Pool 和Class 的级别转换为不带reset_index 的整数（见下文）。

我尝试使用 get_level_values 和 set_levels 的组合，就像这样

for c in ['Pool', 'Class']:
    df.index.set_levels(df.index.get_level_values(c).astype(int), level=c, inplace=True)

然而，这引发了

ValueError: Level values must be unique: [1, 1, 1, 1, 1] on level 1

为了了解会发生什么，我还尝试使用verify_integrity=False。那么

df.index.set_levels(df.index.get_level_values('Class').astype(int),
                    level='Class', verify_integrity=False, inplace=True)

生产

                    Value
Category Pool Class      
A        1.0  1         1
              1         2
B        1.0  1         3
C        1.0  1         4
              9         5

而我的目标是获得

                    Value
Category Pool Class      
A        1.0  1         1
              9         2
B        1.0  1         3
C        1.0  1         4
              5         5

如何正确实现这一目标？ get_level_values 和 set_levels 的链接是正确的方法吗？为什么pandas用astype转换后无法正确设置关卡？

我猜你可以使用reset_index 和set_index，但是使用set_levels 方法有什么好处呢？

d = {'Category': str, 'Pool': int, 'Class': int}
df.reset_index(drop=False, inplace=True)
for k, v in d.items():
    df[k] = df[k].astype(v)

df.set_index(list(d.keys()), inplace=True)

【问题讨论】：

标签： python pandas dataframe indexing multi-index

【解决方案1】：

您可以通过pd.MultiIndex.levels 直接访问索引级别并提供给pd.MultiIndex.set_levels：

df.index = df.index.set_levels(df.index.levels[2].astype(int), level=2)

print(df)

                     Value
Category Pool Class       
A        1.0  1          1
              9          2
B        1.0  1          3
C        1.0  1          4
              5          5

【讨论】：

谢谢！如何按名称引用级别？事实上，我有一个级别名称和类型的dict，我想用于转换。还有，上面的ValueError是什么原因？
levels 与 get_level_values 不同，前者是 set_levels 所期望的。 levels 获取唯一索引，get_level_values 获取每个索引。它们本质上是不同的，自己测试一下。这也可能是您收到ValueError 的原因。
@jpp 是否有某种set_level_values 方法可以补充get_level_values？
@Eran，据我所知，这不存在。我只看到set_levels。

【解决方案2】：

以下函数可以作为get_level_values的补充：

def set_level_values(midx, level, values):
    full_levels = list(zip(*midx.values))
    names = midx.names
    if isinstance(level, str):
        if level not in names:
            raise ValueError(f'No level {level} in MultiIndex')
        level = names.index(level)
    if len(full_levels[level]) != len(values):
        raise ValueError('Values must be of the same size as original level')
    full_levels[level] = values
    return pd.MultiIndex.from_arrays(full_levels, names=names)

使用此函数，原始问题的解决方案是：

for c in ['Pool', 'Class']:
    df.index = set_level_values(df.index, level=c, values=df.index.get_level_values(c).astype(int))

【讨论】：