浅谈pandas用groupby后对层级索引levels的处理方法

层及索引levels，刚开始学习pandas的时候没有太多的操作关于groupby，仅仅是简单的count、sum、size等等，没有更深入的利用groupby后的数据进行处理。近来数据处理的时候有遇到这类问题花了一点时间，所以这里记录以及复习一下：（以下皆是个人实践后的理解）

我使用一个实例来讲解下面的问题：一张数据表中有三列（动物物种、物种品种、品种价格），选出每个物种从大到小品种的前两种，最后只需要品种和价格这两列。

以上这张表是我们后面需要处理的数据表 （物种 品种 价格）

levels：层及索引 （创建pandas类型时可以预先定义；使用groupby后也会生成）

我们看看levels什么样（根据df1物种分类，再根据df2品种排序后 如下图）

图中可以看出，根据groupby分类后的cat、dog便是level，以及后面的一列原始位置索引也是level

好了现在简单了解levels，我们该如何对它进行处理，如何完成上面的实例呢？（可能你拿到这样的层级数据，不会操作，不知道如何提取其中的信息）

代码及讲解如下：

首先导入pandas、numpy库，以及创建原始数据：

import pandas as pdimport numpy as npdf = pd.DataFrame({'df1':['cat','cat','dog','cat','dog','dog'],'df2':[2,3,4,1,3,1],'df3':[100,200,100,300,200,200]})

原始数据最上面那张图

下面我们根据物种来分类，并且使用apply调用sort_df2函数对品种进行排序：

def sort_df2(data): data = data.sort_values(by='df2',ascending=False) #df2：品种列 ascending：排序方式 return datagroup = df.groupby(df['df1']).apply(sort_df2) #groupby以及apply的结合使用

处理后数据，上面第二张图

print(group.index) #看看groupby后的行索引什么样

groupby后如上图，有层级标签（这里两列），labels标签（分类，位置）

这里我们需要的是第一层级标签的第一列（也就是cat、dog）

levels = group.index.levels[0] #取出第一级标签：

下面将是两层循环，完成从中选出（物种前两个品种以及它的价格），很简单的操作：

values = []for i in levels: mid_group = group.loc[i] #选出i标签物种的所有品种 mid_group = mid_group.iloc[:2,:] #我们只取排序后的品种的前两种（要注意这里使用iloc，它与loc的区别） cnt = len(mid_group) #为了防止循环长度错误，所以我们还是需要计算长度，因为如果真正数据不足2条还是不报错 for j in range(cnt): #现在在每个物种cat、dog中操作 value = mid_group.iloc[j,:] #我们选出该物种的第j条所有信息df1、df2、df3 value_pro = (value['df2'],value['df3']) #然后只取df2、df3，将它们放到元组中 values.append(value_pro)