将 pandas 数据框中的二级索引重置为从 1 开始

Question

假设我构建了一个多索引数据框，如下所示：

prim_ind=np.array(range(0,1000))
for i in range(0,1000):
    prim_ind[i]=round(i/4)

d = {'prim_ind' :prim_ind,
     'sec_ind' : np.array(range(1,1001)),
     'a' : np.array(range(325,1325)),
     'b' : np.array(range(8318,9318))}

df= pd.DataFrame(d).set_index(['prim_ind','sec_ind'])

sec_ind 从 1 向上顺序运行，但我想重置第二个索引，以便对于每个 prim_ind 级别，sec_ind 始终从 1 开始。我有一直在尝试解决我是否可以使用重置索引来执行此操作，但失败得很惨。

我知道我可以遍历数据框来获得这个结果，但这将是一种可怕的方法，必须有一种更像 pythonic 的方法——有人能帮忙吗？

注意：我正在使用的数据框实际上是从 csv 导入的，上面的代码只是为了说明这个问题。

Answer 1

您可以使用 cumcount 作为计数类别。

df.index = [df.index.get_level_values(0), df.groupby(level=0).cumcount() + 1]

如果索引名称也使用 MultiIndex.from_arrays:

则更好

df.index = pd.MultiIndex.from_arrays([df.index.get_level_values(0), 
                                      df.groupby(level=0).cumcount() + 1], 
                                      names=df.index.names)
print (df)
                     a     b
prim_ind sec_ind            
0        1         325  8318
         2         326  8319
         3         327  8320
1        1         328  8321
         2         329  8322
         3         330  8323
2        1         331  8324

所以第 sec_ind 列不是必需的，您也可以使用：

d = {'prim_ind' :prim_ind,
     'a' : np.array(range(325,1325)),
     'b' : np.array(range(8318,9318))}

df = pd.DataFrame(d)
print (df.head(8))
     a     b  prim_ind
0  325  8318         0
1  326  8319         0
2  327  8320         0
3  328  8321         1
4  329  8322         1
5  330  8323         1
6  331  8324         2
7  332  8325         2

df = df.set_index(['prim_ind', df.groupby('prim_ind').cumcount() + 1]) \
       .rename_axis(('first','second'))
print (df.head(8))

                a     b
first second           
0     1       325  8318
      2       326  8319
      3       327  8320
1     1       328  8321
      2       329  8322
      3       330  8323
2     1       331  8324
      2       332  8325

将 pandas 数据框中的二级索引重置为从 1 开始

Reset secondary index in pandas dataframe to start at 1

python

multi-index

dataframe

pandas