大熊貓可互換雙重索引？

Question

我有一個DataFrame，我建立了一個雙重索引。 “開始”值在“結束”索引值中不存在，反之亦然。

c_weights.rename(columns={0:'start',1:'end',2:'metric',3:'angular',4:'special',5:'cos_pi'}, inplace=True)
c_weights.set_index(['start','end'],inplace=True)
c_weights.head()

我希望能夠調用類似的內容：c_weights.loc [1,638]或c_weights.loc [638,1]並獲取同一行數據。 為了清楚起見，這兩個索引組合始終是唯一的。 這怎么可能是骨頭？

Answer 1

無論如何，對於第一種情況，您可以使用ix索引並在行索引上傳遞一個元組

c_weights.ix[(1,638)]

在第二種情況下，我想這取決於您是否先掌握了結局，在這種情況下，我只會以正確的方式構造一個元組或將其反轉（ (638,1)[::-1] = (1, 638) ）

直言不諱：由於您說自己具有互斥的開始和結束，因此您還可以使用以下列表理解

l = (start, end) # l = (end, start) returns the same
c_weights.ix[[x for x in c_weights.index if (x ==  l) or (x == l[::-1])]]

如果您還有唯一索引，則可以將其簡化為：

c_weights.ix[[x for x in c_weights.index if (x[0] ==  l[0]) or (x[1] == l[1])]]

Answer 2

數據幀是圍繞numpy ndarray的包裝，在其中分配行和列索引。 我們可以定義具有不同行或列索引的第二個數據幀，並訪問相同的ndarray。 例如，讓我們首先定義df1 ，然后使用相同的數據定義df2 ，但是交換MultiIndex行索引中的級別。 列保持不變。

import pandas as pd
import numpy as np

np.random.seed([3,1415])

df1 = pd.DataFrame(np.random.rand(4, 2),
                   pd.MultiIndex.from_product([('a', 'b'), (1, 2)]),
                   ['col1', 'col2'])
df2 = pd.DataFrame(df1.values, df1.index.swaplevel(0, 1), df1.columns)

print df1

         col1      col2
a 1  0.444939  0.407554
  2  0.460148  0.465239
b 1  0.462691  0.016545
  2  0.850445  0.817744

print df2

         col1      col2
1 a  0.444939  0.407554
2 a  0.460148  0.465239
1 b  0.462691  0.016545
2 b  0.850445  0.817744

我們可以看到數據是相同的，索引被交換了。 從df1訪問數據與從df1到共可變點的數據相同。 讓我們在df1一些更改並查看df2

df1.loc[('a', 1), 'col1'] = 1.
print df2

         col1      col2
1 a  1.000000  0.407554
2 a  0.460148  0.465239
1 b  0.462691  0.016545
2 b  0.850445  0.817744

現在我們已經確信，讓我們觀察一下，現在我們有2個數據框，可以從中訪問相同的數據。 讓我們定義一個函數來執行OP的要求。

ambigui_t = lambda t: df1.loc[t] if t in df.index else df2.loc[t]

print ambigui_t(('a', 1))

col1    1.000000
col2    0.407554
Name: (a, 1), dtype: float64

print ambigui_t((1, 'a'))

col1    1.000000
col2    0.407554
Name: (1, a), dtype: float64