`.loc` 和 `.iloc` 与 MultiIndex'd DataFrame

Posted 2023-03-11

【中文标题】`.loc` 和 `.iloc` 与 MultiIndex\'d DataFrame

【英文标题】：`.loc` and `.iloc` with MultiIndex'd DataFrame`.loc` 和 `.iloc` 与 MultiIndex'd DataFrame

【发布时间】：2018-02-08 14:21:28

【问题描述】：

在索引 MultiIndex-ed DataFrame 时，.iloc 似乎假设您引用的是索引的“内部级别”，而 .loc 则查看外部级别。

例如：

np.random.seed(123)
iterables = [['bar', 'baz', 'foo', 'qux'], ['one', 'two']]
idx = pd.MultiIndex.from_product(iterables, names=['first', 'second'])
df = pd.DataFrame(np.random.randn(8, 4), index=idx)

# .loc looks at the outer index:

print(df.loc['qux'])
# df.loc['two'] would throw KeyError
              0        1        2        3
second                                    
one    -1.25388 -0.63775  0.90711 -1.42868
two    -0.14007 -0.86175 -0.25562 -2.79859

# while .iloc looks at the inner index:

print(df.iloc[-1])
0   -0.14007
1   -0.86175
2   -0.25562
3   -2.79859
Name: (qux, two), dtype: float64

两个问题：

首先，这是为什么呢？这是一个深思熟虑的设计决定吗？

其次，我可以使用.iloc 来引用索引的外部级别，以产生下面的结果吗？我知道我可以先用get_level_values 找到索引的最后一个成员，然后用.loc-index 找到它，但是如果它可以更直接地完成，可以使用时髦的.iloc 语法或设计的一些现有函数专门针对这种情况。

# df.iloc[-1]
qux   one     0.89071  1.75489  1.49564  1.06939
      two    -0.77271  0.79486  0.31427 -1.32627

【问题讨论】：

索引是一个模拟成表格的线性列表。您会注意到，在第二个示例中，索引 -1 实际上由 两个 值组成：Name: (qux, two)。更多的是 loc 允许引用完整索引（例如 df.loc['qux', 'two']）或部分索引，但它是有序的。如果你愿意，你可以做一个reset_index 并以其他顺序设置索引。

【参考方案1】：

你可以使用：

df.iloc[[6, 7], :]
Out[1]:
                     0         1         2         3
first second
qux   one    -1.253881 -0.637752  0.907105 -1.428681
      two    -0.140069 -0.861755 -0.255619 -2.798589

其中[6, 7] 对应于这些行的实际行索引，如下所示：

df.reset_index()
Out[]:
  first second         0         1         2         3
0   bar    one -1.085631  0.997345  0.282978 -1.506295
1   bar    two -0.578600  1.651437 -2.426679 -0.428913
2   baz    one  1.265936 -0.866740 -0.678886 -0.094709
3   baz    two  1.491390 -0.638902 -0.443982 -0.434351
4   foo    one  2.205930  2.186786  1.004054  0.386186
5   foo    two  0.737369  1.490732 -0.935834  1.175829
6   qux    one -1.253881 -0.637752  0.907105 -1.428681
7   qux    two -0.140069 -0.861755 -0.255619 -2.798589

这也适用于df.iloc[[-2, -1], :] 或df.iloc[range(-2, 0), :]。

---

编辑：将其转变为更通用的解决方案

那么就可以得到一个泛型函数：

def multindex_iloc(df, index):
    label = df.index.levels[0][index]
    return df.iloc[df.index.get_loc(label)]

multiindex_loc(df, -1)
Out[]:
                     0         1         2         3
first second
qux   one    -1.253881 -0.637752  0.907105 -1.428681
      two    -0.140069 -0.861755 -0.255619 -2.798589


multiindex_loc(df, 2)
Out[]:
                     0         1         2         3
first second
foo   one     2.205930  2.186786  1.004054  0.386186
      two     0.737369  1.490732 -0.935834  1.175829

【讨论】：

鉴于我将拥有不同长度的 DataFrame，正在寻找更通用的方法

@BradSolomon：与df.iloc[-1]相比，它的通用性如何？

与df.iloc[-1] 大致相同......通用性（？）将是理想的

@BradSolomon：做了一个更通用的函数，是不是更好？

感谢您的更新，但我的问题特别询问是否可以在不引用索引级别的情况下这样做，就像您在函数中所做的那样。我想知道是否有为此构建的索引方法或iloc 中的语法可以做到这一点。

【参考方案2】：

是的，这是deliberate design decision：

.iloc 是一个严格的位置索引器，它不考虑结构 根本，只有第一个实际行为。 ... .loc 确实考虑 考虑级别行为。 [强调]

因此，使用.iloc 以灵活的方式不可能获得问题中给出的所需结果。在几个类似问题中使用的最接近的解决方法是

print(df.loc[[df.index.get_level_values(0)[-1]]])
                    0        1        2        3
first second                                    
qux   one    -1.25388 -0.63775  0.90711 -1.42868
      two    -0.14007 -0.86175 -0.25562 -2.79859

使用double brackets 将保留第一个索引级别。

【讨论】：

我可能遗漏了一些东西，但我需要添加 .unique() 以使这项工作按预期进行。 df.loc[[df.index.get_level_values(0).unique()[-1]]]

【参考方案3】：

您可以在使用loc 之前使用swaplevel 方法重新排序索引。

df.swaplevel(0,-1).loc['two']

使用您问题中的示例数据，它看起来像这样：

>>> df
                     0         1         2         3
first second                                        
bar   one    -1.085631  0.997345  0.282978 -1.506295
      two    -0.578600  1.651437 -2.426679 -0.428913
baz   one     1.265936 -0.866740 -0.678886 -0.094709
      two     1.491390 -0.638902 -0.443982 -0.434351
foo   one     2.205930  2.186786  1.004054  0.386186
      two     0.737369  1.490732 -0.935834  1.175829
qux   one    -1.253881 -0.637752  0.907105 -1.428681
      two    -0.140069 -0.861755 -0.255619 -2.798589

>>> df.loc['bar']
               0         1         2         3
second                                        
one    -1.085631  0.997345  0.282978 -1.506295
two    -0.578600  1.651437 -2.426679 -0.428913

>>> df.swaplevel().loc['two']
              0         1         2         3
first                                        
bar   -0.578600  1.651437 -2.426679 -0.428913
baz    1.491390 -0.638902 -0.443982 -0.434351
foo    0.737369  1.490732 -0.935834  1.175829
qux   -0.140069 -0.861755 -0.255619 -2.798589

swaplevel 是一个 MultiIndex 方法，但是你可以直接在 DataFrame 上调用它。 默认是交换内部两层，所以如果多索引中有两个以上的层，则应明确说明要交换的层。

df.swaplevel(0,-1).loc['two']