为什么即使drop_level = True，pandas xs也不会降低级别

Question

df = pd.DataFrame({'a':np.append(np.random.randint(0,10,10000), -1),
                   'b':np.append(np.random.randint(0,10,10000), -1),
                   'c':np.append(np.random.randint(0,10,10000), -1),
                   'value':np.random.randint(0,100,10001)})

dfi = df.set_index(['a','b','c'])
dfi.sortlevel(inplace = True)

dfi.xs((2,1,7), drop_level=True)
             value    time
a    b    c        
2    1    7     33    1970-01-01 00:00:00.000000033
          7     70    1970-01-01 00:00:00.000000070
          7     75    1970-01-01 00:00:00.000000075
          7     53    1970-01-01 00:00:00.000000053
          7     28    1970-01-01 00:00:00.000000028
          7     21    1970-01-01 00:00:00.000000021
          7     36    1970-01-01 00:00:00.000000036
          7     43    1970-01-01 00:00:00.000000043
          7     67    1970-01-01 00:00:00.000000067
9 rows × 2 columns

dfi.xs((-1,-1,-1), drop_level=True)（一个匹配）

不会丢弃

但是如果dfi.xs((2,1), drop_level=True)？

，它会下降

pandas version'0.13.1'

Answer 1

你所要求的是没有意义的，因为定义你有多个匹配。

如果你愿意，你可以这样做：

In [43]: dfi.xs((2,1,7)).reset_index(drop=True)
Out[43]: 
    value
0      49
1      98
2       2
3      80
4      47
5      74
6      37
7      23
8       0
9       7
10     58
11     82
12     44

[13 rows x 1 columns]

Answer 2

问题在此处提交：https://github.com/pydata/pandas/issues/6507

让我知道是否有任何进展或这确实是一种定义的行为。