Question

我在python中有一个pandas数据框来自pd.concat，带有重复的多索引：

        customer_id
0   0   46841769
    1   4683936
1   0   8880872
    1   8880812
0   0   8880873
    1   1000521
1   0   1135488
    1   5388773

不，我只会重置multiIndex的第一个索引，以便在索引上获得重复的数字。像这样：

        customer_id
0   0   46841769
    1   4683936
1   0   8880872
    1   8880812
2   0   8880873
    1   1000521
3   0   1135488
    1   5388773

一般来说，我有大约5个Mio记录，而不是最大的机器。所以我正在寻找一种内存效率高的解决方案。

pd.concat中的

ignore_index = True不起作用，因为我失去了Multiindex。

非常感谢

Answer 1

您可以按get_level_values to_series转换第一级，然后将其与shift ed值进行比较，并为计数和上次使用添加cumsum MultiIndex.from_arrays：< / p>

a = df.index.get_level_values(0).to_series()
a = a.ne(a.shift()).cumsum() - 1

mux = pd.MultiIndex.from_arrays([a, df.index.get_level_values(1)], names=df.index.names)

df.index = mux

或者：

df = df.set_index(mux)

print (df)
     customer_id
0 0     46841769
  1      4683936
1 0      8880872
  1      8880812
2 0      8880873
  1      1000521
3 0      1135488
  1      5388773

重置熊猫中的重复多索引

1 个答案: