Как удалить <индексация после глубины lexsort может повлиять на производительность?">

У меня есть фрейм данных с неуникальным MultiIndex:

           A    B
L1  L2           
7.0 7.0 -0.4 -0.1
8.0 5.0 -2.1  1.6
5.0 8.0 -1.8 -0.8
7.0 7.0  0.5 -1.2
    NaN -1.1 -0.9
5.0 8.0  0.6  2.3

Я хочу выбрать несколько строк, используя кортеж значений:

data = df.loc[(7, 7), :]

Неудивительно, что выдается предупреждение:

PerformanceWarning: indexing past lexsort depth may impact performance.

Я пытаюсь понять, что в текущем индексе вызывает это предупреждение. Я прочитал здесь много ответов, некоторые из них связаны со старыми версиями панд, другие помогли. Из того, что я прочитал, предупреждение вызвано двумя свойствами:

• Записи индекса не уникальны и
• Записи индекса не сортируются.

Итак, я обрабатываю индекс фрейма данных с помощью этой функции, созданной на основе ответов, найденных в этом стеке:

def adjust_index(df):
    df = df.sort_index() # sort index
    levels = list(range(len(df.index.levels)))
    df_idx = df.groupby(level=levels).cumcount() # unique index
    df_adj = df.set_index(df_idx, append=True) # change index
    df_adj = df_adj.reset_index(level=-1, drop=True) # drop sorting level
    return df_adj

Это не удаляет предупреждение. Можете ли вы объяснить, что не так, бесполезно или чего не хватает?

Остальная часть кода:

import pandas as pd
from numpy import nan, random as npr
npr.seed(2)
    
# Dataframe with unsorted MultiIndex
def create_df():
    n_rows = 6
    data = npr.randn(n_rows, 2).round(1)
    choices = [8, 7, 5, 7, 8, nan]
    columns = ['A', 'B']
    levels = ['L1', 'L2']
    tuples = list(zip(npr.choice(choices, n_rows), npr.choice(choices, n_rows)))
    index = pd.MultiIndex.from_tuples(tuples, names=levels)
    df = pd.DataFrame(data, index=index, columns=columns)
    return df

df = create_df()
df = adjust_index(df)
data = df.loc[(7, 7), :] # <-- triggers warning