Pandas DataFrame冗余索引处理：排序替代方案与Output 2实现问询

我手里有一个以药品名称作为索引的 Pandas DataFrame q，未排序时相同的索引值（比如plavix）分散在不同位置。我通过调用.sort_index()得到了目标的 Output 1，但现在有两个问题想请教：

• (1) 是否存在更优方法实现 Output 1？
• (2) 如何实现需求中的 Output 2？

代码示例 #

import pandas as pd
import numpy as np

q = pd.DataFrame(
    np.array([1,2,3,4]),
    index=pd.Series(['plavix', 'warfarin', 'plavix', 'plavix'], index=[0,1,2,3])
)
# 当前实现 Output 1 的方式
output1 = q.sort_index()

问题解答 #

(1) 实现 Output 1 的更优方法

其实你用的.sort_index()已经是 Pandas 里处理索引排序最直接、最高效的方案啦！Pandas 内部对这个方法做了针对性优化，不管是单级索引还是多级索引，它都能快速完成排序，将相同索引的行集中到一起。

如果非要找替代思路的话，你可以在创建 DataFrame 后立即赋值排序结果，或者从外部数据源读取时直接指定排序（比如读取 CSV 时用pd.read_csv('data.csv', index_col=0, sort_index=True)），但这些操作本质上和你当前的.sort_index()调用没有性能差异，所以**.sort_index()本身就是最优解**。

(2) 实现 Output 2 的方法

虽然你没给出 Output 2 的具体样式，但结合场景推测，你应该是想对相同索引的行做聚合处理（比如求和、取均值、合并信息等），让每个唯一索引只保留一行结果。这时候用groupby配合聚合函数就能轻松实现：

举几个常见场景的示例：

• 对相同索引的数值求和：

output2 = q.groupby(level=0).sum()

• 取每个索引组的第一行/最后一行数据：

# 取第一行
output2 = q.groupby(level=0).first()
# 取最后一行
output2 = q.groupby(level=0).last()

• 自定义聚合逻辑（比如同时计算求和与均值）：

output2 = q.groupby(level=0).agg({0: ['sum', 'mean']})  # 0 是你的列名，可根据实际修改

如果你的索引是多级索引（药品+剂型），只需把level=0改成对应的层级（比如level=[0,1]）或者直接使用索引名称即可，非常灵活！

内容的提问来源于stack exchange，提问作者vintagedeek