python – MultiIndex查找具有给定级别给定值的所有索引

我正在使用带有MultiIndex的pandas.Series进行双向加权查找.我认为使用MultiIndex找到给定级别的相应其他级别应该很容易,但我找不到其他类似以下内容的简单函数：

>>> index=pandas.MultiIndex.from_tuples(
...                  [(0, 0),(1,2),(3,4),(5,6),(5,7),(8,0),(9,0)],
...                  names=["concept", "word"])
>>> other(index, "word", 0)
{0, 8, 9}
>>> other(index, "concept", 3)
{4}
>>> other(index, "word", 6)
{5}

我很乐意指定级别编号而不是级别名称,并获得任何可迭代的,不一定是集合.我只有一个2级多指数,所以我不关心如何推广到更高级别的多指数,或者甚至是否进行推广.

如果这涉及迭代MultiIndex中的所有条目并进行比较,我会有点不高兴,因为我认为索引有点像多键哈希表.

解决方法:

方法1：

您可以使用矢量化方法构建自定义函数,如下所示：

def other(index, slicing, value):
    arr = np.column_stack(index.values.tolist())
    return (np.delete(arr, slicing, axis=0)[0][arr[slicing]==value])

用法：

other(index, slicing=index.names.index('word'), value=0)
# array([0, 8, 9])

时序：

%timeit other(index, slicing=index.names.index('word'), value=0)
10000 loops, best of 3: 43.9 µs per loop

方法2：

如果你想使用一个内置的方法,只需将值插入相应的args就可以得到结果,你可以选择get_loc_level,它会给你一个与标签对应的整数位置切片,如下所示：

演示：

index.get_loc_level(key=3, level='concept')[1].ravel()
# array([4], dtype=int64)

index.get_loc_level(key=0, level='word')[1].ravel()
# array([0, 8, 9], dtype=int64)

index.get_loc_level(key=6, level='word')[1].ravel()
# array([5], dtype=int64)

时序：

%timeit index.get_loc_level(key=0, level='word')[1].ravel()
10000 loops, best of 3: 129 µs per loop

因此,使用自定义函数而不是实现使用,可以获得3倍的提升
给出了2级多索引DF的内置方法.