替换 pandas 多索引中的值

我有一个具有多索引的数据框。当满足第一个索引的某些条件时，我想更改第二个索引的值。

我在这里发现了一个类似（但不同）的问题：替换 MultiIndex 中的值（pandas）这并没有回答我的观点，因为那是关于更改单行，并且解决方案也传递了第一个索引的值（不需要更改）。就我而言，我正在处理多行，但我无法使该解决方案适应我的情况。

我的数据的一个最小示例如下：

import pandas as pd
import numpy as np

consdf=pd.DataFrame()

for mylocation in ['North','South']:
    for scenario in np.arange(1,4):
        df= pd.DataFrame()
        df['mylocation'] = [mylocation]
        df['scenario']= [scenario]
        df['this'] = np.random.randint(10,100)
        df['that'] = df['this']  * 2
        df['something else']  = df['this'] * 3
        consdf=pd.concat((consdf, df ), axis=0, ignore_index=True)
            
mypiv = consdf.pivot('mylocation','scenario').transpose()

level_list =['this','that']
# if level 0 is in level_list --> set level 1 to np.nan
mypiv.iloc[mypiv.index.get_level_values(0).isin(level_list)].index.set_levels([np.nan], level =1, inplace=True)

最后一行不起作用：我得到：

ValueError: On level 1, label max (2) >= length of level  (1). NOTE: this index is in an inconsistent state

IIUC 您可以向级别值添加新值，然后使用以下命令更改索引的标签高级索引, get_level_values, set_levels and set_labels方法：

len_ind = len(mypiv.loc[(level_list,)].index.get_level_values(1))
mypiv.index.set_levels([1, 2, 3, np.nan], level=1, inplace=True)
mypiv.index.set_labels([3]*len_ind + mypiv.index.labels[1][len_ind:].tolist(), level=1, inplace=True)

In [219]: mypiv
Out[219]: 
mylocation               North  South
               scenario              
this           NaN          26     46
               NaN          32     67
               NaN          75     30
that           NaN          52     92
               NaN          64    134
               NaN         150     60
something else  1.0         78    138
                2.0         96    201
                3.0        225     90

Note你对他人的价值观scenario将转换为浮点数，因为它应该是一种类型并且np.nan有浮动类型。