如何在 pandas 数据框中获取正确格式的索引

Question

有这样的数据框：

>>> df = pd.DataFrame({'name': ['foo', 'foo', 'bar', 'bar'],
                   'colx': [1, 2, 3, 4],
                   'coly': [5, 6, 7, 8]})
>>> df.set_index('name', inplace=True)
>>> df
      colx  coly
name            
foo      1     5
foo      2     6
bar      3     7
bar      4     8

如何获得正确格式的索引，例如：

      colx  coly
name            
foo      1     5
         2     6
bar      3     7
         4     8

这样 pandas 就不会抱怨重复索引。

Answer 1

一个（众多）选项是添加一个新的索引级别：

In [49]: df = df.set_index(df.groupby(level=0).cumcount().add(1) \
                             .to_frame('num')['num'],
                           append=True)

In [50]: df
Out[50]:
          colx  coly
name num
foo  1       1     5
     2       2     6
bar  1       3     7
     2       4     8

更新：不要对 Pandas 在多重索引中显示重复项的方式感到困惑：

如果我们选择多索引的name 级别的所有值，我们仍然会看到重复项：

In [51]: df.index.get_level_values(0)
Out[51]: Index(['foo', 'foo', 'bar', 'bar'], dtype='object', name='name')

这正是 Pandas 在多索引中表示重复项的方式。我们可以关闭这个显示选项：

In [53]: pd.options.display.multi_sparse = False

In [54]: df
Out[54]:
          colx  coly
name num
foo  1       1     5
foo  2       2     6
bar  1       3     7
bar  2       4     8

In [55]: pd.options.display.multi_sparse = True

In [56]: df
Out[56]:
          colx  coly
name num
foo  1       1     5
     2       2     6
bar  1       3     7
     2       4     8

PS 这个选项不会改变索引值，它只影响 multi-indices 的表示