按條件選擇熊貓多索引數據框中的行和子行

Question

我有一個多索引的數據框，它的索引和行中包含一些NaN值。

In:

import pandas as pd
import numpy as np

row1 = {'index1' : 'abc', 'col1' : 'some_value', 'col3' : True}
row2 = {'index2' : 'xyz', 'col2' : 'other_value', 'col3' : np.nan}
row3 = {'index1' : 'def', 'col1' : 'different_value', 'col3' : False}
row4 = {'index2' : 'uvw', 'col2' : 'same_value', 'col3' : np.nan}
df = pd.DataFrame([row1, row2, row3, row4])

df.set_index(['index1', 'index2'], inplace=True)

print(df)

Out:

                          col1         col2   col3
index1 index2                                     
abc    NaN          some_value          NaN   True
NaN    xyz                 NaN  other_value    NaN
def    NaN     different_value          NaN  False
NaN    uvw                 NaN   same_value    NaN

是否有可能通過條件col3 == True獲得該數據幀的子集，該條件還包括該條件所在行的所有“子行”？

當我去

print(df[df.col3 == True])

我懂了

                     col1 col2  col3
index1 index2                       
abc    NaN     some_value  NaN  True

條件所在的行。 但是，我正在尋找的是

                     col1         col2  col3
index1 index2                       
abc    NaN     some_value         NaN   True
NaN    xyz            NaN  other value  NaN    

，包括本身沒有True值但是index1 == abc的行的“子行”的行。

那可能嗎？ 還是數據幀搞砸了，應該以其他方式構造？

Answer 1

一個簡單的解決方案是僅在填充的col3上使用一個條件，其中將NaNs替換為它們所屬的行的值。 例如：

>>> df['col3'].fillna(method='pad')

index1  index2
abc     NaN        True
NaN     xyz        True
def     NaN       False
NaN     uvw       False
Name: col3, dtype: bool

現在，您可以應用以下條件：

>>> df[df['col3'].fillna(method='pad')]

                col1       col2         col3
index1  index2          
abc     NaN     some_value NaN          True
NaN     xyz     NaN        other_value  NaN