pandas 重新索引多重索引无法正常工作

Question

我有一个

pandas

（版本 1.0.5）

DataFrame

，其中

MultiIndex

有两个级别，例如喜欢：

mi = pd.MultiIndex.from_product((('a', 'c'), (5, 12)))
np.random.seed(123)
df = pd.DataFrame(data=np.random.rand(4, 2), index=mi, columns=['x', 'y'])

我想要

reindex

MultiIndex 的第一级 包含键

['a', 'b', 'c', 'd']

。缺失值应填写

np.nan

。

对于非多索引数据框，我只需使用

df.reindex(index=['a', 'b', 'c', 'd'])

重新索引。
现在有了

MultiIndex

，我认为这应该可行（我还尝试了参数

labels

，

axis

和

index

的所有其他组合）：

df.reindex(index=['a', 'b', 'c', 'd'], level=0)

但相反，它似乎完全忽略了

reindex

方法并返回未更改的数据帧：

             x         y
a 5   0.696469  0.286139
  12  0.226851  0.551315
c 5   0.719469  0.423106
  12  0.980764  0.684830

我可以重新索引 MultiIndex 的唯一方法是 完全生成一个新的

MultiIndex

:

df.reindex(index=pd.MultiIndex.from_product((
    ['a', 'b', 'c', 'd'], df.index.get_level_values(1).unique())))

---

恕我直言，必须有一种更简单的方法来做到这一点，否则我看不到

level

方法的参数

reindex

有任何用处。此外，我经常有多个索引级别，这使得重新索引变得极其麻烦。

我错过了什么吗？ 知道如何直接重新索引而无需显式生成新的多重索引吗？

Answer 1

这种行为不是预期的。在

level

 上将 

reindex

 参数传递给 

MultiIndex

 似乎在 

pandas

 版本 1.2.3 中仍然存在问题。 github 上有一个问题涉及这个：

https://github.com/pandas-dev/pandas/issues/25460

Answer 2

一种解决方法是重置索引以将特定级别作为常规列使用。

def reindex_by_level(df, level_name, level_values):
  # Reset the index
  df_reset = df.reset_index()
  # Make level_name = 'a' or other names a regular column and reindex with respect to the level_name 'a' column
  df_reindexed = df_reset.set_index(level_name).reindex(level_values).reset_index()
  # Set the original index back
  return df_reindexed.set_index(df.index.names)