重新索引 pandas dataframe 多重索引的子级别

我有一个时间序列数据框，我想通过试验和测量重新索引它。

简单来说，我有这个：

                value
Trial         
    1     0        13
          1         3
          2         4
    2     3       NaN
          4        12
    3     5        34   

我想把它变成这样：

                  value
Trial    
    1      0        13
           1         3
           2         4
    2      0       NaN
           1        12
    3      0        34

我怎样才能最好地做到这一点？

就在昨天，著名的 Andy Hayden 在 pandas 0.13 版本中添加了此功能，该版本随时都会发布。看here http://pandas.pydata.org/pandas-docs/dev/groupby.html#enumerate-group-items对于用法示例，他添加到了文档中。

如果您习惯从源代码安装 pandas 的开发版本，那么您现在就可以使用它。

df['Measurements'] = df.reset_index().groupby('Trial').cumcount()

以下代码是等效的，尽管不太简洁，并且适用于任何最新版本的 pandas。

grouped = df.reset_index().groupby('Trial')
df['Measurements'] = grouped.apply(lambda x: Series(np.arange(len(x)), x.index))

最后，df.set_index(['Trial', 'Measurements'], inplace=True)以获得您想要的结果。