pandas - 多级索引的切片未按预期调整索引值

Question

在Pandas中，我正在尝试过滤掉数据帧中特定日期（设置为多重索引的第一级）的行。

一旦过滤完成，我想检查第一级的最后一个索引值是否与我的最新日期匹配。然而，我无法让Pandas返回正确的值。

一个例子可能会有所帮助。我首先创建具有多重索引的原始df：

index = pd.date_range('2016-01-01', freq='B', periods=10), ["AAPL", "GOOG"]
df = pd.DataFrame(index=pd.MultiIndex.from_product(index))
print df

然后我会过滤掉特定的日期：

start, end = df.index.levels[0][1], df.index.levels[0][-4]
print start, end

现在，我创建了一个筛选后的数据框，只包括从开始到结束的日期：

df2 = df.loc[start:end]
df2

这看起来很好，和预期一样。"01/12/2016"是我的最后索引日期。

然后，当我检查第一层（0）的最后索引值时，它返回"01/14/16" 而不是我选择的结束日期（"01/12/2016"）。

print df2.index.levels[0][-1]

我该如何从df2中获取最后日期？我是不是漏了什么，还是这是一个bug？

- user6538642

Answer 1

你所看到的行为是由于切片pandas.DataFrame时不会切片索引，这是有意的。要获得所需的行为，可以使用remove_unused_levels()函数，在Pandas 0.20.0中新引入：

# Update index to remove values that are not used
df2.index = df2.index.remove_unused_levels()

完成这个步骤后，接下来的两行代码会输出相同的结果：

# Print the last value in index
print df2.index.levels[0][-1]
# Print the last value in the slice
print end

为了更好地解释，df2.index.levels[0]会给出实际使用的不同索引值。正如IanS所指出的那样，如果您想要实际使用的索引部分（而不是不同的值），那么可以使用df2.index.get_level_values(0)。在上面的示例中，每个日期会被使用两次，因为每个日期都分别用于'AAPL'和'GOOG'。通过对任意一个的最后一个值（通过-1）进行获取，将得到相同的值。

- Moot

Answer 2

看一下df2.index，它并不是你想象中的那样。它包含了重构多级索引所需的信息，仅此而已。

如果你想要访问索引值，请使用get_level_values：

df2.index.get_level_values(0)

那么 df2.index.get_level_values(0)[-1] 应该返回您所期望的结果。

- IanS