Sélectionnez un seul indice de multiindex DataFrame

Je suis en train de créer un nouveau DataFrame l'aide d'un seul indice à partir d'un multi-indexé DataFrame.

                   A         B         C
first second                              
bar   one     0.895717  0.410835 -1.413681
      two     0.805244  0.813850  1.607920
baz   one    -1.206412  0.132003  1.024180
      two     2.565646 -0.827317  0.569605
foo   one     1.431256 -0.076467  0.875906
      two     1.340309 -1.187678 -2.211372
qux   one    -1.170299  1.130127  0.974466
      two    -0.226169 -1.436737 -2.006747

Idéalement, je voudrais quelque chose comme ceci:

In: df.ix[level="first"]

et:

Out:

               A         B         C
first                               
bar        0.895717  0.410835 -1.413681
           0.805244  0.813850  1.607920
baz       -1.206412  0.132003  1.024180
           2.565646 -0.827317  0.569605
foo        1.431256 -0.076467  0.875906
           1.340309 -1.187678 -2.211372
qux       -1.170299  1.130127  0.974466
          -0.226169 -1.436737 -2.006747
`

Essentiellement je souhaite supprimer tous les autres indices de la multi-indice autre que le niveau first. Est-il un moyen facile de faire cela?

OriginalL'auteur Skorpeo | 2015-01-25

  1. 17

    L'une des solutions pourrait être de simplement relier df.index au niveau de la MultiIndex. Vous pouvez le faire en spécifiant le nom de l'étiquette que vous voulez conserver:

    df.index = df.index.get_level_values('first')

    ou utiliser le niveau de la valeur entière:

    df.index = df.index.get_level_values(0)

    Tous les autres niveaux de la MultiIndex disparaissent ici.

    stackoverflow.com/questions/29763620/...

    OriginalL'auteur Alex Riley

  2. 8

    La solution est assez nouveau et utilise le df.xs fonction

    In [88]: df.xs('bar', level='first')
Out[88]:
Second  Third
one     A       -2.315312
        B        0.497769
        C        0.108523
two     A       -0.778303
        B       -1.555389
        C       -2.625022
dtype: float64

    Pouvez aussi le faire avec de multiples indices

    In [89]: df.xs(('bar', 'A'), level=('First', 'Third'))
Out[89]:
Second
one   -2.315312
two   -0.778303
dtype: float64

    De l'installation pour les exemples ci-dessous

    import pandas as pd
import numpy as np
arrays = [
    np.array(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux']),
    np.array(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'])
]
index = pd.MultiIndex.from_tuples(list(zip(*arrays)), names=['first', 'second'])
df = pd.DataFrame(np.random.randn(3, 8), index=['A', 'B', 'C'], columns=index)
df.index.names = pd.core.indexes.frozen.FrozenList(['First', 'Second', 'Third'])
df = df.unstack()

    OriginalL'auteur Alexander McFarlane