多索引数据帧仅获取给定上层索引值的下层索引的可能值

Question

当我用0级索引值将MultiIndexDataFrame切片时，我想知道可能落在该初始值下的1+级索引值。如果我的措辞不合理，举个例子：

>>> 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的index看起来像：

>>> 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'])

当我只取s的部分，它的first索引值是foo，然后查找我得到的索引：

>>> 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'])

我想让s_foo的index表现为s的更高级别不存在，然而我们可以在s_foo.index的levels属性中看到，a仍然被认为是索引third的潜在值，尽管s_foo只有b作为可能值

本质上，我想找到的是third的所有可能的foo_s值，即b并且只有b。现在我想set(s_foo.reset_index()['third'])，但我希望有一个更优雅的解决方案

Answer 1

您可以创建sèfoo并显式删除未使用的级别：

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

Answer 2

重置索引似乎是正确的方法，似乎你不希望它成为一个索引（结果就是索引的工作方式）

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

或者如果你想的话

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