查找MultiIndex DataFrame中条目数最少的L1与L2索引对

Pandas原生支持直接对多级索引的级别做分组聚合，不需要遍历索引，也不需要把索引转成普通列，几行代码即可实现需求： #

核心实现步骤 #

1. 按L1、L2两级索引分组，统计每个组合的条目数
   groupby方法的level参数可以直接指定要分组的索引名/索引位置，不需要操作数据列：

# 按索引名指定分组级别，适配索引有命名的场景
pair_counts = df.groupby(level=["L1", "L2"]).size()

# 若索引没有命名，也可以按索引的位置顺序传参，此处0对应L1，1对应L2
# pair_counts = df.groupby(level=[0, 1]).size()

返回的pair_counts是带有(L1, L2)两级索引的Series，值就是对应组合的条目数量，你给出的示例运行后结果如下：

L1  L2
A   a    2
    b    1
B   a    3
C   a    2
    c    2
dtype: int64

2. 提取条目数最少的组合

• 若只需要取第一个出现的最小条目组合：

min_pair = pair_counts.idxmin()
# 示例返回结果：('A', 'b')

• 若存在多个组合条目数同为最小值，要提取所有符合要求的组合：

all_min_pairs = pair_counts[pair_counts == pair_counts.min()].index.tolist()

该方案全程使用Pandas原生API实现，无需遍历索引、无需修改原表结构，性能远高于循环统计的实现方式，完全符合Pandas的代码风格。

内容的提问来源于stack exchange，提问作者Goodman