Daten aus einem MultiIndex auswählen

Sobald Sie einen MultiIndex haben, benötigen Sie effiziente Möglichkeiten, Teilmengen der Daten abzurufen. Pandas stellt dafür drei Werkzeuge bereit: .loc mit Tupeln für die Auswahl exakter Beschriftungen, slice() und pd.IndexSlice für die Auswahl von Bereichen über mehrere Ebenen hinweg sowie .xs() für die Auswahl eines Querschnitts auf einer bestimmten Ebenenebene. Wenn Sie diese Zugriffsmuster beherrschen, können Sie die volle Leistungsfähigkeit der hierarchischen Indizierung nutzen.

Übergeben Sie .loc[] eine einzelne Beschriftung der äußeren Ebene, um alle Zeilen dieser Gruppe abzurufen. Bei einem zweistufigen MultiIndex (Land, Jahr) gibt df.loc['USA'] alle Zeilen für die USA als DataFrame zurück, wobei nur der innere Index (Jahr) erhalten bleibt. Dieses Verhalten wird als Entfernen einer Ebene bezeichnet: Wenn Sie einen bestimmten Wert auf einer äußeren Ebene auswählen, entfernt Pandas diese Ebene aus dem Index des zurückgegebenen Objekts.

Um eine einzelne Zeile abzurufen, die durch beide Indexebenen bestimmt ist, übergeben Sie .loc[] ein Tupel: df.loc[('USA', 2022)]. Dies gibt eine Series zurück (oder bei einer einzelnen Spalte einen Skalar), die genau dieser Kombination aus äußerer und innerer Beschriftung entspricht. Sie müssen das Tupel in eine Liste einschließen: df.loc[[('USA', 2022)]], wenn Sie statt einer Series einen DataFrame zurückerhalten möchten.

Um mehrere bestimmte Zeilen gleichzeitig auszuwählen, übergeben Sie .loc[] eine Liste von Tupeln. Dies ist nützlich, wenn Sie eine nicht zusammenhängende Teilmenge von Zeilen auswählen müssen, die durch zusammengesetzte Schlüssel bestimmt ist – beispielsweise die Daten für 2022 für die USA und das Vereinigte Königreich, aber nicht für Deutschland. Das Ergebnis behält den MultiIndex im zurückgegebenen DataFrame bei.

Mit pd.IndexSlice (häufig als idx abgekürzt) können Sie Bereiche für MultiIndex-Ebenen formulieren, ohne ausführliche Tupel-Slices manuell zu erstellen. Syntax: df.loc[idx[outer_slice, inner_slice], column_slice]. Beispielsweise wählt df.loc[idx['UK':'USA', 2022:2023], :] alle Zeilen aus, bei denen die äußere Ebene zwischen UK und USA und die innere Ebene zwischen 2022 und 2023 liegt. Damit dies korrekt funktioniert, muss der Index sortiert sein.

df.xs(key, level=) wählt alle Zeilen aus, bei denen eine bestimmte Ebene einem vorgegebenen Wert entspricht, unabhängig von den Inhalten der anderen Ebenen. Im Gegensatz zu .loc, bei dem Sie zuerst die äußeren Ebenen angeben müssen, kann .xs direkt auf jede Ebene anhand ihres Namens zugreifen. Beispielsweise gibt df.xs(2022, level='year') alle Zeilen für 2022 über alle Länder hinweg zurück, ohne dass Sie 'USA', 'UK' oder 'DE' angeben müssen.

Wenn ein DataFrame einen MultiIndex für die Spalten besitzt, verwenden Sie Tupel, um auf bestimmte Spalten zuzugreifen: df[('revenue', 'Q1')]. Um alle Spalten einer äußeren Ebene auszuwählen (z. B. alle Umsatzspalten), verwenden Sie df['revenue']. Dies gibt einen DataFrame mit allen Spalten der inneren Ebene unter diesem äußeren Schlüssel zurück. Das Muster mit pd.IndexSlice funktioniert in Kombination mit .loc ebenfalls für MultiIndexes von Spalten.

Um einen einzelnen Wert der inneren Ebene über alle Werte der äußeren Ebene hinweg auszuwählen, kombinieren Sie .loc mit einem slice(None) für die äußere Ebene: df.loc[(slice(None), 2022), :]. Dadurch wird die Zeile für 2022 aus jedem Land ausgewählt. Die Variante mit pd.IndexSlice ist übersichtlicher: df.loc[idx[:, 2022], :]. Dieses Muster wird häufig benötigt, wenn Sie eine Momentaufnahme aller Entitäten zu einem bestimmten Zeitpunkt abrufen möchten.

Drei häufige Fehlerquellen: 1) Nicht sortierter Index: Das Slicing eines nicht sortierten MultiIndex löst UnsortedIndexError aus oder liefert falsche Ergebnisse – rufen Sie immer zuerst sort_index() auf. 2) KeyError bei einem Tupel als Schlüssel: Wenn Sie ein Tupel übergeben, ohne es in .loc[] einzuschließen, interpretiert Python es als positionsbasierten Indexzugriff – verwenden Sie für den beschriftungsbasierten Zugriff auf einen MultiIndex immer .loc. 3) Nicht übereinstimmende Ebenen: Nach groupby stimmen die Namen der MultiIndex-Ebenen möglicherweise nicht mit Ihren Erwartungen überein – überprüfen Sie vor dem Slicing df.index.names.

Ein konkreter Anwendungsfall: Sie haben Verkaufsdaten mit einem Index aus (Region, Quartal) und müssen für einen Jahresendbericht das vierte Quartal aus allen Regionen extrahieren. Verwenden Sie .xs('Q4', level='quarter'), um diesen Querschnitt mit einem einzigen Aufruf abzurufen. Berechnen Sie anschließend die Summe mit .sum(). Dieses Muster – Aggregation mit groupby → MultiIndex-Ergebnis → Extraktion eines Querschnitts – kommt in Pipelines für Geschäftsberichte äußerst häufig vor.

Sie können bestimmte Zeilen und Spalten gleichzeitig mit .loc[row_indexer, column_list] auswählen. Bei einem MultiIndex ist der Zeilenindexer ein Tupel, eine Tupelliste oder ein IndexSlice, während der Spaltenindexer ein Spaltenname oder eine Liste von Namen ist. So können Sie in einem einzigen Ausdruck eine präzise rechteckige Teiltabelle aus einem hierarchischen DataFrame extrahieren.

In dieser Lektion haben Sie gelernt: Verwenden Sie .loc mit Tupeln, um bestimmte Kombinationen aus äußerer und innerer Beschriftung auszuwählen, pd.IndexSlice für Bereichs-Slices über beliebige Ebenen und .xs(), um unabhängig von äußeren Schlüsseln einen Querschnitt auf jeder Ebene zu extrahieren. Sortieren Sie den Index immer zuerst, um UnsortedIndexError zu vermeiden. Als Nächstes sehen wir uns Indexausrichtung und Reindexierung an – also wie Pandas zwei DataFrames an einem gemeinsamen Index ausrichtet.