Question

设置

import pandas as pd
import numpy as np
from string import ascii_lowercase

tidx = pd.date_range(end='2016-04-30', freq='M', periods=3)
tidx2 = tidx + pd.offsets.MonthBegin(-1) + pd.offsets.Day(15) + pd.offsets.BDay(-1)

np.random.seed([3,1415])

df1 = pd.DataFrame(np.random.rand(9, 1), columns=['Value'],
                   index=pd.MultiIndex.from_product([tidx, list(ascii_lowercase)[:3]]))
df2 = pd.DataFrame(np.random.rand(9, 1), columns=['Value'],
                   index=pd.MultiIndex.from_product([tidx2, list(ascii_lowercase)[:3]]))

我想用df2.index.levels[0]

重新标记df1.index.levels[0]

我做了什么：

 df1.unstack().reindex(df2.unstack().index, method='ffill').stack()

看起来像：

                 Value
2016-02-29 a  0.757983
           b  0.934829
           c  0.831104
2016-03-31 a  0.879891
           b  0.926879
           c  0.721535
2016-04-30 a  0.117642
           b  0.145906
           c  0.199844

但是，这并没有推广到MultiIndex超过2级。

问题

reindex索引的特定级别的一般方法是什么？

Answer 1

编辑：新解决方案，可能更符合问题的精神：

def func(dfg):
    return dfg.reset_index(level=1, drop=True).reindex(df1.index.levels[0], method='ffill')

df2.groupby(level=1).apply(func).swaplevel(i=0, j=1).sortlevel(0)

这个想法是像往常一样在重建索引之前按级别1进行分组。与之前的解决方案不同，这将执行基于时间的前向填充。

第二次修改：为了推广到多个级别，请将level=1替换为：

level=list(range(1, df2.index.nlevels))

在两个函数调用中。

上一个回答：

我不知道这是否适用于所有情况，但在这种情况下，它会返回您想要的结果：

df2.index.set_levels(df1.index.get_level_values(0), level=0)

结果：

In [12]: df2
Out[12]: 
                 Value
2016-02-29 a  0.757983
           b  0.934829
           c  0.831104
2016-03-31 a  0.879891
           b  0.926879
           c  0.721535
2016-04-30 a  0.117642
           b  0.145906
           c  0.199844

reindex pandas MultiIndex在特定级别上

设置

问题

1 个答案: