MultiIndex DataFrame-給定較高級別的索引值，僅獲取較低級別索引的可能值

Question

當我將0級索引值切成MultiIndex DataFrame ，我想知道落在該初始值以下的1級以上索引值。 如果我的措辭沒有道理，請舉一個例子：

>>> arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
... ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'],
... ['a','b','a','b','b','b','b','b']]
>>> tuples = list(zip(*arrays))
>>> index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second','third'])
>>> s = pd.Series(np.random.randn(8), index=index)
>>> s
first  second  third
bar    one     a       -0.598684
       two     b        0.351421
baz    one     a       -0.618285
       two     b       -1.175418
foo    one     b       -0.093806
       two     b        1.092197
qux    one     b       -1.515515
       two     b        0.741408
dtype: float64

s index如下：

>>> s.index
MultiIndex(levels=[[u'bar', u'baz', u'foo', u'qux'], [u'one', u'two'], [u'a', u'b']],
           labels=[[0, 0, 1, 1, 2, 2, 3, 3], [0, 1, 0, 1, 0, 1, 0, 1], [0, 1, 0, 1, 1, 1, 1, 1]],
           names=[u'first', u'second', u'third'])

當我只取s的first索引值為foo ，查找得到的索引：

>>> s_foo = s.loc['foo']
>>> s_foo
second  third
one     b       -0.093806
two     b        1.092197
dtype: float64

>>> s_foo.index
MultiIndex(levels=[[u'one', u'two'], [u'a', u'b']],
           labels=[[0, 1], [1, 1]],
           names=[u'second', u'third'])

我希望s_foo的index就像不存在更高級別的s一樣起作用，但是我們可以在s_foo.index的levels屬性中看到a仍然被認為是索引third的潛在值，盡管s_foo僅具有b作為可能的值。

本質上，我想查找的是foo_s所有可能的third值，即b和僅b 。 現在我做了set(s_foo.reset_index()['third']) ，但我希望有一個更優雅的解決方案

Answer 1

您可以創建s_foo並顯式刪除未使用的級別：

s_foo = s.loc['foo']
s_foo.index = s_foo.index.remove_unused_levels()

Answer 2

重置索引似乎是正確的方法，似乎您不希望它成為索引（得到的結果就是索引的工作方式）。

s.reset_index(level=2).groupby(level=[0])['third'].unique()

或者如果你想計數

s.reset_index(level=2).groupby(level=[0])['third'].value_counts()