pandas droplevel() MultiIndex 索引指定级别删除

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

droplevel() 方法是 pandas 中用于删除 MultiIndex 索引中指定级别的函数。它可以在 DataFrame 或 Series 对象上使用。以下是对该方法的详细讲解：

语法

1. 数据类型可以使用

DataFrame
Series

2. 语法

DataFrame.droplevel(level, axis=0)
Series.droplevel(level)

参数说明：

level：int, str, or list-like，要删除的索引级别的位置或者标签。可以是整数、字符串或者列表。如果是列表，将同时删除多个级别。
axis：指定要操作的轴向，对于 DataFrame 可以是 0 或 1，默认为 0。

3. 返回数据

DataFrame：返回一个删除了指定级别的新 DataFrame。
Series：返回一个删除了指定级别的新 Series。

4. 使用场景

在处理 MultiIndex 索引的数据时，有时候需要临时去掉某些级别以便进行特定的操作，如分组、合并或者数据选择。
当不需要特定级别的索引信息时，可以使用 droplevel() 方法进行简化。

示例

df = pd.DataFrame([
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12]
]).set_index([0, 1]).rename_axis(['a', 'b'])

df.columns = pd.MultiIndex.from_tuples([
    ('c', 'e'), ('d', 'f')
], names=['level_1', 'level_2'])

df
'''
level_1   c   d
level_2   e   f
a b
1 2      3   4
5 6      7   8
9 10    11  12
'''

df.droplevel('a')
'''
level_1   c   d
level_2   e   f
b
2        3   4
6        7   8
10      11  12
'''

df.droplevel('level_2', axis=1)
'''
level_1   c   d
a b
1 2      3   4
5 6      7   8
9 10    11  12
'''

这些示例展示了 droplevel() 方法如何在不同的数据结构中工作，并通过删除指定的索引级别，简化了数据结构，使得在某些分析场景下更加方便和高效。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.droplevel.html