在pandas multiindex数据框中，直接通过列名访问索引层级会引发keyerror。本文将详细介绍如何使用`df.index.get_level_values()`方法，通过索引名称或位置参数，简洁高效地提取multiindex中的单个索引列，避免不必要的`reset_index()`操作，并提供代码示例。
在数据分析和处理中，Pandas DataFrame的MultiIndex（多级索引）功能为复杂数据集提供了强大的组织能力。然而，当我们需要从MultiIndex中提取某个特定的索引层级作为独立的Series或Index对象时，传统的列选择方法（如df[‘column_name’]或df.column_name）并不能直接奏效，因为这些方法是针对DataFrame的常规列而非索引层级设计的。尝试直接访问MultiIndex中的索引名称会导致KeyError。
理解MultiIndex与列访问的差异
当一个DataFrame被设置为MultiIndex后，原来的某些列会变成索引的一部分。这些索引层级不再被视为DataFrame的“常规列”。例如，如果我们有以下数据框：
import pandas as pdfile_name = "https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv"df = pd.read_csv(file_name)df = df.set_index(['sepal_length','sepal_width'])print(df.head())
输出如下：
petal_length petal_width speciessepal_length sepal_width 5.1 3.5 1.4 0.2 setosa4.9 3.0 1.4 0.2 setosa4.7 3.2 1.3 0.2 setosa4.6 3.1 1.5 0.2 setosa5.0 3.6 1.4 0.2 setosa
此时，sepal_length和sepal_width是MultiIndex的两个层级，而petal_length、petal_width和species是DataFrame的常规列。如果我们尝试使用以下方式访问sepal_length：
df['sepal_length'] # KeyError: 'sepal_length'df.sepal_length # KeyError: 'sepal_length'df.loc['sepal_length'] # KeyError: 'sepal_length'
这些操作都会抛出KeyError，因为sepal_length不再是DataFrame的直接可访问列。
正确提取MultiIndex索引列的方法
Pandas为MultiIndex对象提供了一个专门的方法来提取其各个层级的值，那就是index.get_level_values()。这个方法允许我们通过索引的名称或其在MultiIndex中的位置（从0开始的整数）来获取指定层级的所有值。
使用 get_level_values()
df.index.get_level_values() 方法是提取MultiIndex中单个索引列的推荐方式。
语法：df.index.get_level_values(level)
level: 可以是索引层级的名称（字符串）或其在MultiIndex中的整数位置（从0开始）。
示例代码：
纳米搜索
纳米搜索：360推出的新一代AI搜索引擎
30 查看详情
让我们使用之前的鸢尾花数据集为例，提取sepal_length这一索引层级。
import pandas as pdfile_name = "https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv"df = pd.read_csv(file_name)df = df.set_index(['sepal_length', 'sepal_width'])# 通过索引名称提取 'sepal_length'sepal_length_by_name = df.index.get_level_values("sepal_length")print("通过名称提取 'sepal_length':")print(sepal_length_by_name)print(f"数据类型: {type(sepal_length_by_name)}")print("n" + "="*50 + "n")# 通过索引位置（0）提取 'sepal_length'sepal_length_by_position = df.index.get_level_values(0)print("通过位置（0）提取 'sepal_length':")print(sepal_length_by_position)print(f"数据类型: {type(sepal_length_by_position)}")
输出结果：
通过名称提取 'sepal_length':Float64Index([5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9, ... 6.7, 6.9, 5.8, 6.8, 6.7, 6.7, 6.3, 6.5, 6.2, 5.9], dtype='float64', name='sepal_length', length=150)数据类型: ==================================================通过位置（0）提取 'sepal_length':Float64Index([5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9, ... 6.7, 6.9, 5.8, 6.8, 6.7, 6.7, 6.3, 6.5, 6.2, 5.9], dtype='float64', name='sepal_length', length=150)数据类型:
从输出可以看出，get_level_values()方法返回一个pandas.Index对象，其中包含了指定索引层级的所有值。这个对象可以进一步转换为Series或进行其他操作。
转换为Series
如果需要将提取出的索引层级作为Pandas Series使用，可以简单地将其传递给pd.Series()构造函数：
sepal_length_series = pd.Series(df.index.get_level_values("sepal_length"))print("n转换为Series:")print(sepal_length_series.head())print(f"数据类型: {type(sepal_length_series)}")
输出结果：
转换为Series:0 5.11 4.92 4.73 4.64 5.0Name: sepal_length, dtype: float64数据类型:
注意事项与替代方案
reset_index() 的局限性：虽然df.reset_index()[‘column_name’]也可以达到目的，但这种方法会先将所有索引层级都转换为常规列，然后再选择需要的列。如果仅仅是为了获取一个索引层级的值，reset_index()会创建整个DataFrame的副本（或部分副本），这在处理大型数据集时可能会带来不必要的性能开销和内存消耗。因此，对于只提取单个索引层级的需求，get_level_values()是更直接、更高效的选择。
索引层级的命名：为了代码的可读性和健壮性，建议为MultiIndex的各个层级命名（例如，在set_index()时指定）。这样，你可以通过名称而不是整数位置来访问它们，减少因索引顺序变化而导致的错误。
返回类型：get_level_values()返回的是一个Index对象，而不是Series。根据后续操作的需求，可能需要显式地将其转换为Series。
总结
当处理Pandas MultiIndex数据框并需要提取其中某个索引层级的值时，最简洁、高效且推荐的方法是使用df.index.get_level_values()。该方法允许通过索引名称或其整数位置准确地获取所需数据，避免了KeyError，并且比reset_index()更节省资源。理解MultiIndex的结构以及如何正确与其交互，是高效进行Pandas数据操作的关键。
以上就是Pandas MultiIndex数据框中高效提取索引列的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/577406.html
微信扫一扫 
支付宝扫一扫 
