Question

我有一个DataFrame，如下所示：

ex = pd.DataFrame({'speed': {(1252540, 0): 0.0,
  (1252540, 1): 0.0,    
  (1252540, 2): 0.0,
  (1252541, 0): 0.0,
  (1252541, 1): 0.0,
  (1252541, 2): 0.0,
  (1252543, 0): 0.0,
  (1252543, 1): 0.0,
  (1252543, 2): 0.0,
  (1252544, 0): 0.0,
  (1252544, 1): 0.0,
  (1252544, 2): 0.0,
  (1252545, 0): 0.0,
  (1252545, 1): 0.0,
  (1252545, 2): 0.0,
  (1252546, 3): 0.0,
  (1252546, 4): 0.0,
  (1252546, 5): 0.0,
  (1252547, 3): 0.0,
  (1252547, 4): 0.0},
 'unknown': {(1252540, 0): np.nan,
  (1252540, 1): np.nan,
  (1252540, 2): np.nan,
  (1252541, 0): np.nan,
  (1252541, 1): np.nan,
  (1252541, 2): np.nan,
  (1252543, 0): np.nan,
  (1252543, 1): np.nan,
  (1252543, 2): np.nan,
  (1252544, 0): np.nan,
  (1252544, 1): np.nan,
  (1252544, 2): np.nan,
  (1252545, 0): np.nan,
  (1252545, 1): np.nan,
  (1252545, 2): np.nan,
  (1252546, 3): np.nan,
  (1252546, 4): np.nan,
  (1252546, 5): np.nan,
  (1252547, 3): np.nan,
  (1252547, 4): np.nan}})
ex.index.names = ['id', 'id2']

我想将MultiIndex的第一级别设置为(0, 0, 0, 1, 1, 1, 2, 2, 2, ...)，以便级别0中的每个新值都分配有下一个整数。通常，我可以使用以下方法进行简单的移位：

idx = ex.index.get_level_values(0).to_numeric()
idx -= idx.min()

但是如您所见，原始索引中可能缺少一些值（1252542），而新索引中不应有任何差距。我该怎么做？如果我可以保留dict形式的映射（例如1252540 -> 0, 1252541 -> 1, 1252543 -> 2...），那很好，但是不是强制性的。

Answer 1

让我知道这是否有帮助：

indices = ex.index.get_level_values('id').unique().sort_values()

dict = {}

for key,value in (zip(indices,range(0,len(indices)))):
    dict[key] = value

ex.rename(index=dict)

如何仅重置熊猫的MultiIndex的第一级

1 个答案: