如何高效地沿多维切片Pandas Series的MultiIndex？

Question

我在处理Pandas的时候，感觉自己像是在大海里迷路了，搞不清楚ix、xs、多重索引、get_level_values等等。

我有一个三层多重索引的Series。我想知道，有什么高效的方法可以根据不同层级的值来切片我的Series？

我的Series长这样：

days  id                      start_date
0     S0036-4665(00)04200108  2013-05-18      1
3     S0036-4665(00)04200108  2013-05-18      1
5     S0036-4665(00)04200108  2013-05-18      3
13    S0036-4665(00)04200108  2013-05-18      1
19    S0036-4665(00)04200108  2013-05-18      1
39    S0036-4665(00)04200108  2013-05-18      1
...

显然，随着往下看，id和start_date的值是会变化的。

我希望能够根据以下条件进行切片： - 数字范围内的天数 - 特定集合中的id - 特定日期范围内的start_date

到目前为止，我找到了一种解决方案，建议使用 df[df.index.get_level_values('a').isin([5, 7, 10, 13])]，我也发现我可以这样做：

s.select(lambda x: x[0] < 20 and (x[1] in set('some id', 'other id') ))

这两种方法中，有哪一种是最好的解决方案吗？我觉得我应该能用xs或ix来做点什么，但前者似乎只能按特定值过滤，而后者只是根据Series中的位置进行索引？

Answer 1

这里有一个例子；这个例子需要当前的主版本，并将在0.14版本中提供。

文档在这里：http://pandas-docs.github.io/pandas-docs-travis/indexing.html#multiindexing-using-slicers

创建一个多重索引（这实际上是输入的笛卡尔积，但这并不是必须的）

In [28]: s = Series(np.arange(27),
               index=MultiIndex.from_product(
                     [[1,2,3],
                      ['foo','bar','bah'],
                      date_range('20130101',periods=3)])
                    ).sortlevel()

一定要确保你的数据是完全排序的

In [29]: s.index.lexsort_depth
Out[29]: 3

In [30]: s
Out[30]: 
1  bah  2013-01-01     6
        2013-01-02     7
        2013-01-03     8
   bar  2013-01-01     3
        2013-01-02     4
        2013-01-03     5
   foo  2013-01-01     0
        2013-01-02     1
        2013-01-03     2
2  bah  2013-01-01    15
        2013-01-02    16
        2013-01-03    17
   bar  2013-01-01    12
        2013-01-02    13
        2013-01-03    14
   foo  2013-01-01     9
        2013-01-02    10
        2013-01-03    11
3  bah  2013-01-01    24
        2013-01-02    25
        2013-01-03    26
   bar  2013-01-01    21
        2013-01-02    22
        2013-01-03    23
   foo  2013-01-01    18
        2013-01-02    19
        2013-01-03    20
dtype: int64

这样做有助于减少冗余（这会把同一轴上的级别分组在一起）

In [33]: idx = pd.IndexSlice

选择我，条件是级别0等于2，并且级别1是bar或foo中的任意一个

In [31]: s.loc[idx[[2],['bar','foo']]]
Out[31]: 
2  bar  2013-01-01    12
        2013-01-02    13
        2013-01-03    14
   foo  2013-01-01     9
        2013-01-02    10
        2013-01-03    11
dtype: int64

和上面一样，但级别2也要等于20130102

In [32]: s.loc[idx[[2,3],['bar','foo'],'20130102']]
Out[32]: 
2  bar  2013-01-02    13
   foo  2013-01-02    10
3  bar  2013-01-02    22
   foo  2013-01-02    19
dtype: int64

这里是一个使用布尔索引器而不是级别索引器的例子。

In [43]: s.loc[idx[[2,3],['bar','foo'],s<20]]
Out[43]: 
2  bar  2013-01-01    12
        2013-01-02    13
        2013-01-03    14
   foo  2013-01-01     9
        2013-01-02    10
        2013-01-03    11
3  foo  2013-01-01    18
        2013-01-02    19
dtype: int64

这里是一个省略某些级别的例子（注意这里没有使用idx，因为它们在Series中基本上是等价的；在索引DataFrame时更有用）

In [47]: s.loc[:,['bar','foo'],'20130102']
Out[47]: 
1  bar  2013-01-02     4
   foo  2013-01-02     1
2  bar  2013-01-02    13
   foo  2013-01-02    10
3  bar  2013-01-02    22
   foo  2013-01-02    19
dtype: int64