![](/img/trans.png)
[英]how to slice MultiIndex DataFrame with dependent levels of MultiIndex
[英]How to slice one MultiIndex DataFrame with the MultiIndex of another
我有一个 pandas dataframe 和 3 级 MultiIndex。 我正在尝试根据对应于两个级别的值列表提取此 dataframe 的行。
我有这样的事情:
ix = pd.MultiIndex.from_product([[1, 2, 3], ['foo', 'bar'], ['baz', 'can']], names=['a', 'b', 'c'])
data = np.arange(len(ix))
df = pd.DataFrame(data, index=ix, columns=['hi'])
print(df)
hi
a b c
1 foo baz 0
can 1
bar baz 2
can 3
2 foo baz 4
can 5
bar baz 6
can 7
3 foo baz 8
can 9
bar baz 10
can 11
现在我想获取索引级别“b”和“c”在此索引中的所有行:
ix_use = pd.MultiIndex.from_tuples([('foo', 'can'), ('bar', 'baz')], names=['b', 'c'])
即在水平b
和c
中分别具有('foo', 'can')
或('bar', 'baz')
的hi
值: (1, 2, 5, 6, 9, 10)
。
所以我想在第一层取一个slice(None)
,然后在第二层和第三层提取特定的元组。
最初我认为将多索引 object 传递给 .loc 会提取我想要的值/级别,但这不起作用。 做这样的事情最好的方法是什么?
这是获取切片的一种方法:
df.sort_index(inplace=True)
idx = pd.IndexSlice
df.loc[idx[:, ('foo','bar'), 'can'], :]
屈服
hi
a b c
1 bar can 3
foo can 1
2 bar can 7
foo can 5
3 bar can 11
foo can 9
请注意,您可能需要先对MultiIndex排序,然后才能对其进行切片。 好了,熊猫足以警告您是否需要这样做:
KeyError: 'MultiIndex Slicing requires the index to be fully lexsorted tuple len (3), lexsort depth (1)'
您可以在文档中阅读更多有关如何使用切片器的信息
如果由于某种原因不能使用切片器,则可以使用.isin()
方法获得相同的切片:
df[df.index.get_level_values('b').isin(ix_use.get_level_values(0)) & df.index.get_level_values('c').isin(ix_use.get_level_values(1))]
这显然不是那么简洁。
更新:
对于您在此处更新的条件,可以采用以下方法:
cond1 = (df.index.get_level_values('b').isin(['foo'])) & (df.index.get_level_values('c').isin(['can']))
cond2 = (df.index.get_level_values('b').isin(['bar'])) & (df.index.get_level_values('c').isin(['baz']))
df[cond1 | cond2]
生产:
hi
a b c
1 foo can 1
bar baz 2
2 foo can 5
bar baz 6
3 foo can 9
bar baz 10
我发现这不起作用很有趣:
In [45]: df.loc[(idx[:, 'foo', 'can'], idx[:, 'bar', 'baz']), ]
Out[45]:
hi
a b c
1 bar baz 2
can 3
foo baz 0
can 1
2 bar baz 6
can 7
foo baz 4
can 5
3 bar baz 10
can 11
foo baz 8
can 9
某种程度上,它看起来像“应该”。 无论如何,这是一个合理的解决方法:
让我们假设你想通过切片在另一个索引中的元组DataFrame
(因为它听起来像他们可能是你的情况!)。
In [53]: ix_use = pd.MultiIndex.from_tuples([('foo', 'can'), ('bar', 'baz')], names=['b', 'c'])
In [55]: other = pd.DataFrame(dict(a=1), index=ix_use)
In [56]: other
Out[56]:
a
b c
foo can 1
bar baz 1
现在,通过other
索引对df
进行切片,我们可以使用.loc
/ .ix
允许您给出元组列表的事实(请参阅此处的最后一个示例)。
首先,让我们构建所需的元组列表:
In [13]: idx = [(x, ) + y for x in df.index.levels[0] for y in other.index.values]
In [14]: idx
Out[14]:
[(1, 'foo', 'can'),
(1, 'bar', 'baz'),
(2, 'foo', 'can'),
(2, 'bar', 'baz'),
(3, 'foo', 'can'),
(3, 'bar', 'baz')]
现在我们可以将此列表传递给.ix
或.loc
:
In [17]: df.ix[idx]
Out[17]:
hi
a b c
1 foo can 1
bar baz 2
2 foo can 5
bar baz 6
3 foo can 9
bar baz 10
import itertools
import pandas as pd
import numpy as np
from pandas import DataFrame as df
ix = pd.MultiIndex.from_product([[1, 2, 3], ['foo', 'bar'], ['baz', 'can']], names=['a', 'b', 'c'])
data = np.arange(len(ix))
df = pd.DataFrame(data, index=ix, columns=['hi'])
print(df)
"""
hi
a b c
1 foo baz 0
can 1
bar baz 2
can 3
2 foo baz 4
can 5
bar baz 6
can 7
3 foo baz 8
can 9
bar baz 10
can 11
"""
a = (df.index.get_level_values('b') =='foo')
b = (df.index.get_level_values('c') =='can')
ab = (a & b)
dab = df[a & b]
print(dab)
"""
hi
a b c
1 foo can 1
2 foo can 5
3 foo can 9
"""
a1 = (df.index.get_level_values('b') =='bar')
b1 = (df.index.get_level_values('c') =='baz')
ab1 = (a1 & b1)
dab1 = df[a1 & b1]
print(dab1)
"""
hi
a b c
1 bar baz 2
2 bar baz 6
3 bar baz 10
"""
abab = df[ab | ab1]
print(abab)
"""
hi
a b c
1 foo can 1
bar baz 2
2 foo can 5
bar baz 6
3 foo can 9
bar baz 10
"""
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.