層及索引levels，剛開始學(xué)習(xí)pandas的時候沒有太多的操作關(guān)于groupby，僅僅是簡單的count、sum、size等等，沒有更深入的利用groupby后的數(shù)據(jù)進行處理。近來數(shù)據(jù)處理的時候有遇到這類問題花了一點時間，所以這里記錄以及復(fù)習(xí)一下：（以下皆是個人實踐后的理解）

我使用一個實例來講解下面的問題：一張數(shù)據(jù)表中有三列（動物物種、物種品種、品種價格），選出每個物種從大到小品種的前兩種，最后只需要品種和價格這兩列。

以上這張表是我們后面需要處理的數(shù)據(jù)表 （物種 品種 價格）

levels：層及索引 （創(chuàng)建pandas類型時可以預(yù)先定義；使用groupby后也會生成）

我們看看levels什么樣（根據(jù)df1物種分類，再根據(jù)df2品種排序后 如下圖）

圖中可以看出，根據(jù)groupby分類后的cat、dog便是level，以及后面的一列原始位置索引也是level

好了現(xiàn)在簡單了解levels，我們該如何對它進行處理，如何完成上面的實例呢？（可能你拿到這樣的層級數(shù)據(jù)，不會操作，不知道如何提取其中的信息）

代碼及講解如下：

首先導(dǎo)入pandas、numpy庫，以及創(chuàng)建原始數(shù)據(jù)：

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]})

原始數(shù)據(jù)最上面那張圖

下面我們根據(jù)物種來分類，并且使用apply調(diào)用sort_df2函數(shù)對品種進行排序：

def sort_df2(data): data = data.sort_values(by='df2',ascending=False) #df2：品種列 ascending：排序方式 return datagroup = df.groupby(df['df1']).apply(sort_df2) #groupby以及apply的結(jié)合使用

處理后數(shù)據(jù)，上面第二張圖

print(group.index) #看看groupby后的行索引什么樣

groupby后如上圖，有層級標(biāo)簽（這里兩列），labels標(biāo)簽（分類，位置）

這里我們需要的是第一層級標(biāo)簽的第一列（也就是cat、dog）

levels = group.index.levels[0] #取出第一級標(biāo)簽：

下面將是兩層循環(huán)，完成從中選出（物種前兩個品種以及它的價格），很簡單的操作：

values = []for i in levels: mid_group = group.loc[i] #選出i標(biāo)簽物種的所有品種 mid_group = mid_group.iloc[:2,:] #我們只取排序后的品種的前兩種（要注意這里使用iloc，它與loc的區(qū)別） cnt = len(mid_group) #為了防止循環(huán)長度錯誤，所以我們還是需要計算長度，因為如果真正數(shù)據(jù)不足2條還是不報錯 for j in range(cnt): #現(xiàn)在在每個物種cat、dog中操作 value = mid_group.iloc[j,:] #我們選出該物種的第j條所有信息df1、df2、df3 value_pro = (value['df2'],value['df3']) #然后只取df2、df3，將它們放到元組中 values.append(value_pro)