熊貓：從MultiIndex中選擇日期

Question

假設我有MultiIndex系列

date        foo
2006-01-01  1         12931926.310
            3         11084049.460
            5         10812205.359
            7          9031510.239
            9          5324054.903
2007-01-01  1         11086082.624
            3         12028419.560
            5         11957253.031
            7         10643307.061
            9          6034854.915

如果不是MultiIndex，則可以通過df.loc['2007']選擇年份為2007 df.loc['2007'] 。 我在這里怎么做？ 我的自然猜測是df.loc['2007', :] ，但這給了我一個空的Series([], name: FINLWT21, dtype: float64) 。

最終目標

Ultimatively，我也有興趣在替換所有行的不同的日期比2007同一年中的行2007 。

也就是說，我的預期輸出是

date        foo
2006-01-01  1         11086082.624
            3         12028419.560
            5         11957253.031
            7         10643307.061
            9          6034854.915
2007-01-01  1         11086082.624
            3         12028419.560
            5         11957253.031
            7         10643307.061
            9          6034854.915

我試圖實現@unutbu的解決方案，但是

mySeries.loc[dateIndex.year != 2007] = mySeries.loc[dateIndex.year == 2007]

會自然地將值（由於RHS上不存在）設置為NaN 。 通常，這些問題是通過以下方式解決的

mySeries.loc[dateIndex.year != 2007] = mySeries.loc[dateIndex.year == 2007].values

，但假設我的左側有10值（在我的實際數據集中還有更多），而右側只有5 ，

ValueError: cannot set using a list-like indexer with a different length than the value

我現在想到的唯一選擇是遍歷第一個索引，然后對每個子組使用上一個命令，但這似乎不是最有效的解決方案。

Answer 1

給定系列

In [207]: series
Out[212]: 
date        foo
2006-01-01  1      12931926.310
            3      11084049.460
            5      10812205.359
            7       9031510.239
            9       5324054.903
2007-01-01  1      11086082.624
            3      12028419.560
            5      11957253.031
            7      10643307.061
            9       6034854.915
Name: val, dtype: float64

您可以使用提取date索引

dateindex = series.index.get_level_values('date')
# Ensure the dateindex is a DatetimeIndex (as opposed to a plain Index)
dateindex = pd.DatetimeIndex(dateindex)

現在可以使用布爾條件選擇年份等於2007的行：

# select rows where year equals 2007
series2007 = series.loc[dateindex.year == 2007]

---

如果foo值在每個日期中以相同的順序循環顯示相同的值，那么您可以將序列中的所有值替換為2007年的值，

N = len(series)/len(series2007)
series[:] = np.tile(series.loc[dateindex.year == 2007].values, N)

使用np.tile和.values一個優點是它將相對快速地生成所需的值數組。 一個（可能的）缺點是，它忽略了索引，因此它依賴於以下假設：對於每個日期， foo值以相同的順序循環通過相同的值。

更健壯（但更慢）的方法是使用聯接：

df = series.reset_index('date')
df2007 = df.loc[dateindex.year==2007]
df = df.join(df2007, rsuffix='_2007')
df = df[['date', 'val_2007']]
df = df.set_index(['date'], append=True)
df = df.swaplevel(0,1).sort_index()     

產量

In [304]: df.swaplevel(0,1).sort_index()
Out[304]: 
                    val_2007
date       foo              
2006-01-01 1    11086082.624
           3    12028419.560
           5    11957253.031
           7    10643307.061
           9     6034854.915
2007-01-01 1    11086082.624
           3    12028419.560
           5    11957253.031
           7    10643307.061
           9     6034854.915
2008-01-01 1    11086082.624
           3    12028419.560
           5    11957253.031
           7    10643307.061
           9     6034854.915

Answer 2

要從MultiIndex中選擇所需年份（例如2007）的值，可以使用：

target_year = 2007
df[[ts.year == target_year for ts in df.index.get_level_values(0)]]

如果日期索引不是時間戳的形式，則需要進行轉換：

df[[pd.Timestamp(ts).year == target_year for ts in df.index.get_level_values(0)]]