熊猫多索引按逻辑数组选择数据

Posted 2023-03-12

【中文标题】熊猫多索引按逻辑数组选择数据

【英文标题】：pandas multi-index select data by logical arrays

【发布时间】：2017-07-03 20:20:40

【问题描述】：

这里我有一个数据框

import pandas as pd
import numpy as np
data = pd.DataFrame(np.arange(100).reshape(20,5), columns=list('abcde'))
data = data.set_index(['a', 'b'])
print(data.head())
        c   d   e
a  b
0  1    2   3   4
5  6    7   8   9
10 11  12  13  14
15 16  17  18  19
20 21  22  23  24

如何通过逻辑判断选择数据使用 loc 函数？ 像这样：a 1

【参考方案1】：

1) 直接在多索引DF 的索引名称上使用query 来执行布尔索引：

data.query("a < 20 & b > 1")

2) 如果您想事先有一个布尔掩码并在以后基于此子集 DF，请使用 eval：

bool_mask = data.eval("a < 20 & b > 1")
data[bool_mask]

两种情况的结果 o/p：

【参考方案2】：

您可以将Index.get_level_values 与boolean indexing 一起使用：

mask = (data.index.get_level_values('a') < 20) & (data.index.get_level_values('b') > 1)
print (mask)
[False  True  True  True False False False False False False False False
 False False False False False False False False]

print (data[mask])
        c   d   e
a  b             
5  6    7   8   9
10 11  12  13  14
15 16  17  18  19

DataFrame.query 的解决方案与另一个答案类似，只是将& 更改为and：

print (data.query("a < 20 and b > 1"))
        c   d   e
a  b             
5  6    7   8   9
10 11  12  13  14
15 16  17  18  19

Query python versus pandas syntax comparison.