Удалите первый элемент иерархического индекса в серии панд

Question

После группового фрейма данных панд я получаю следующую серию:

client      Date       Amount
0000000001  date1      val1
            date2      val2
            date3      val3
            date4      val4
            date5      val5
0000000002  date2      val6
            date4      val7
0000000003  date1      val8
            date2      val9
0000000004  date2      val10
            date3      val11
            date4      val12
            date5      val13

Вопрос в том, как я могу получить первую запись для каждого клиента, удаленного?То есть:

0000000001  date2      val2
            date3      val3
            date4      val4
            date5      val5
0000000002  date4      val7
0000000003  date2      val9
0000000004  date3      val11
            date4      val12
            date5      val13

Боюсь, что вопрос тривиален и связан с иерархическими показателями, но я не могу его решить.

Answer 1

Использование boolean indexing:

df1 = df[df.index.get_level_values(0).duplicated()]
print (df1)
                 Amount
client     Date        
0000000001 date2   val2
           date3   val3
           date4   val4
           date5   val5
0000000002 date4   val7
0000000003 date2   val9
0000000004 date3  val11
           date4  val12
           date5  val13

Подробности :

Сначала получить значения первого уровня с помощью get_level_values:

print (df.index.get_level_values(0))
Index(['0000000001', '0000000001', '0000000001', '0000000001', '0000000001',
       '0000000002', '0000000002', '0000000003', '0000000003', '0000000004',
       '0000000004', '0000000004', '0000000004'],
      dtype='object', name='client')

И затем вернуть все значения без первых по duplicated:

print (df.index.get_level_values(0).duplicated())
[False  True  True  True  True False  True False  True False  True  True
  True]

Если возможно, дублируется groups:

print (df)
                 Amount
client     Date        
0000000001 date1   val1
           date2   val2
           date3   val3
           date4   val4
           date5   val5
0000000002 date2   val6
           date4   val7
0000000003 date1   val8
           date2   val9
0000000001 date2  val10
           date3  val11
           date4  val12
           date5  val13

s = df.index.get_level_values(0).to_series()
df1 = df[s.ne(s.shift()).cumsum().duplicated().values]
print (df1)
                 Amount
client     Date        
0000000001 date2   val2
           date3   val3
           date4   val4
           date5   val5
0000000002 date4   val7
0000000003 date2   val9
0000000001 date3  val11
           date4  val12
           date5  val13

Деталь :

print (s.ne(s.shift()).cumsum())
client
0000000001    1
0000000001    1
0000000001    1
0000000001    1
0000000001    1
0000000002    2
0000000002    2
0000000003    3
0000000003    3
0000000001    4
0000000001    4
0000000001    4
0000000001    4
Name: client, dtype: int32