熊猫如何切片多索引数据框?
Posted
技术标签:
【中文标题】熊猫如何切片多索引数据框?【英文标题】:Pandas How to slice multiindex Dataframe? 【发布时间】:2018-07-28 13:28:21 【问题描述】: name address contact_info
first_name last_name stret city mobile email
1 AAA BBB XXX YYY 02020 aaa@xyz.com
2 111 222 333 444 239393 bbb@xyz.com
我有一个上述格式的 excel。我想要的是在 name 中包含每一列,然后只有 contact_info 中的 mobile 列才会有人告诉我如何做到这一点。以下代码为我提供了 name 和 contact_info
中的所有内容import pandas as pd
df = pd.read_excel("test.xlsx", header=[0, 1], sheet_name="Mapping")
print df[["name", "contact_info"]]
我正在尝试得到这样的东西,
first_name last_name mobile
AAA BBB 102020
111 222 239393
【问题讨论】:
【参考方案1】:不知道为什么要避免连接,但这样做:
df = pd.read_excel("multi-index-test.xlsx", header=[0, 1], sheet_name="Mapping")
df.drop('address', level=0, axis=1).drop('e-mail', level=1, axis=1)
这利用了MultiIndex.drop()。
【讨论】:
【参考方案2】:选项 1 我能想到的最简单的方法是列切片:
df['name'].join(df['contact_info']['mobile'])
first_name last_name mobile
1 AAA BBB 020202
2 111 222 239393
选项2pd.DataFrame.filter
df.filter(regex='name|mobile')
name contact_info
first_name last_name mobile
1 AAA BBB 020202
2 111 222 239393
我们可以降级
d = df.filter(regex='name|mobile')
d.columns = d.columns.droplevel(0)
d
first_name last_name mobile
1 AAA BBB 020202
2 111 222 239393
【讨论】:
很好,过滤习语在这里很有用,将提交记忆。【参考方案3】:您要查找的内容只需要 basic indexing on a multiindex 和 concat。这是一个例子:
df = pd.read_excel("multi-index-test.xlsx", header=[0, 1])
df1 = df[["name"]]
df2 = df['contact_info', 'mobile']
pd.concat([df1, df2], axis=1)
我相信这个解决方案的好处是 1) 简单和 2) 通用。
【讨论】:
【参考方案4】:您可以在这里使用df.xs
:
i = df.xs('name', axis=1)
j = df.xs('mobile', axis=1, level=-1)
pd.concat([i, j], axis=1)
first_name last_name contact_info
1 AAA BBB 2020
2 111 222 239393
【讨论】:
有什么理由可以不用 concat。【参考方案5】:通过使用IndexSlice
+ concat
idx = pd.IndexSlice
pd.concat([df.loc[:, idx['name',:]],df.loc[:,idx[:,'mobile']]])
Out[104]:
contact_info name
mobile first_name last_name
1 NaN AAA BBB
2 NaN 111 222
1 2020 NaN NaN
2 239393 NaN NaN
【讨论】:
嗯,这里好像不能避免concat。 @cᴏʟᴅsᴘᴇᴇᴅ 是的,导致多重索引以上是关于熊猫如何切片多索引数据框?的主要内容,如果未能解决你的问题,请参考以下文章