如何通过C ++中的数据获得向量的索引

Posted 2023-05-09

参考技术A n维矩阵有两个下标，n维向量只能提供一个下标。当然你可以采用单下标访问方式。
比如A(a)显示的结果是A矩阵的第1,3,4……个元素；
而A(1,a)显示的是A(1,1),A(1,3),A(1,4)……的结果。
Matlab中数组元素引用有三种方法：

1.下标法(subscripts)
2.索引法(index)
3.布尔法(Boolean)

在使用这三种方法之前，大家头脑一定要清晰的记住，Matlab中数组元素是按列存储(与Fortran一样)，比如说下面的二维数组

如何有效地过滤由两列groupby操作获得的数据帧，以仅包含第二个索引的最大值和最小值？

我有一个数据框df，它是通过执行两列groupby操作获得的：

df = data.groupby(['letters', 'syllables']).size()

这是df的前11行的输出：

                      0
letters syllables      
1       1            25
        3             1
2       1           188
        2            44
        3             1
        4             1
3       1          1304
        2           189
        3            89
        4             2
        5             3

我想过滤df，以便对于letters中的每个索引，只显示syllables的最大和最小索引，给出以下输出：

                      0
letters syllables      
1       1            25
        3             1
2       1           188
        4             1
3       1          1304
        5             3

更好的方法是创建一个这样的数据框：

                               0
letters statistic syllables     
1       min       1           25
        max       3            1
2       min       1          188
        max       4            1
3       min       1         1304
        max       5            3

完整数据帧有120行。我知道我可以通过循环来做到这一点，但我想更好地理解pandas操作，并想知道如何更有效地做到这一点。

上面的示例数据可以使用以下命令从csv文件导入到多级索引数据框中：

df = pd.read_csv('data.csv', index_col=[0,1])

编辑：这是Erfan建议的代码输出：

df = data.groupby(['letters', 'syllables']).agg({'letters' : 'size', 'syllables' : ['min', 'max']})

输出：

                  letters syllables    
                     size       min max
letters syllables                      
1       1              25         1   1
        3               1         3   3
2       1             188         1   1
        2              44         2   2
        3               1         3   3
        4               1         4   4
3       1            1304         1   1
        2             189         2   2
        3              89         3   3
        4               2         4   4
        5               3         5   5

答案

你可以单独做，然后concat回来

s=data.groupby(['letters', 'syllables']).size().sort_values(0)
yourdf=pd.concat([s.groupby(level=0).head(1),s.groupby(level=0).tail(1)],keys=['min','max']).swaplevel(i=0,j=1).sort_index()