Question

我一直在阅读文档，许多解释和示例使用levels作为理所当然的事情。 Imho文档缺乏对数据结构和定义的基本解释。

数据框中的级别是多少？ MultiIndex索引中的级别是多少？

Answer 1

我在分析my own question的答案时偶然发现了这个问题，但我没有发现John的答案足够令人满意。经过几次实验后，我认为我理解了水平并决定分享：

简答：

级别是索引或列的一部分。

答案很长：

我认为这个多列gorupby示例很好地说明了索引级别。

假设我们有时间记录问题报告数据：

report = pd.DataFrame([
        [1, 10, 'John'],
        [1, 20, 'John'],
        [1, 30, 'Tom'],
        [1, 10, 'Bob'],
        [2, 25, 'John'],
        [2, 15, 'Bob']], columns = ['IssueKey','TimeSpent','User'])

   IssueKey  TimeSpent  User
0         1         10  John
1         1         20  John
2         1         30   Tom
3         1         10   Bob
4         2         25  John
5         2         15   Bob

此处的索引只有1个级别（每个行只有一个索引值）。索引是人为的（运行数），由0到5的值组成。

假设我们要将同一用户创建的所有日志合并（总和）到相同的问题（以获取用户在该问题上花费的总时间）

time_logged_by_user = report.groupby(['IssueKey', 'User']).TimeSpent.sum()

IssueKey  User
1         Bob     10
          John    30
          Tom     30
2         Bob     15
          John    25

现在我们的数据索引有2个级别，因为多个用户记录了同一个问题的时间。级别为IssueKey和User。级别是索引的一部分（只有它们可以识别DataFrame / Series中的行）。

在Spyder Variable资源管理器中可以很好地观察到级别是索引的一部分（作为元组）：

拥有级别使我们有机会根据我们选择的索引部分（级别）聚合组内的值。例如。如果我们想要分配任何用户在问题上花费的最长时间，我们可以：

max_time_logged_to_an_issue = time_logged_by_user.groupby(level='IssueKey').transform('max')

IssueKey  User
1         Bob     30
          John    30
          Tom     30
2         Bob     25
          John    25

现在前3行的值为30，因为它们对应于问题1（上面的代码中忽略了User级别）。问题的同一个故事2。

这可能是有用的，例如如果我们想知道哪些用户在每个问题上花费的时间最多：

issue_owners = time_logged_by_user[time_logged_by_user == max_time_logged_to_an_issue]

IssueKey  User
1         John    30
          Tom     30
2         John    25

Answer 2

通常，DataFrame有一维索引和列：

    x y
0   4 1
1   3 9

此处索引为[0,1]，列为[＆＃39; x＆＃39;，＆＃39; y＆＃39;]。但是您可以在索引或列中包含多个级别：

这里列＆＃39;第一级是[＆＃39; x＆＃39;，＆＃39; y＆＃39;，＆＃39; y＆＃39;]，第二级是[＆＃39; a＆＃39;，＆＃39; b＆＃39;，＆＃39; c＆＃39;]。索引的第一级是[0,0]，第二级是[7,8]。

pandas DataFrame中的级别是什么？

2 个答案: