pandas:选择索引,然后选择多索引切片上的列

Posted

技术标签:

【中文标题】pandas:选择索引,然后选择多索引切片上的列【英文标题】:pandas: Selecting index and then columns on multiindex slice 【发布时间】:2018-10-07 02:34:34 【问题描述】:

我有一个带有 2 个级别的多索引和四个数据列的 pandas 数据框,我想先选择两个级别的一些索引,然后选择某些列。但是,我没有找到办法。我举个例子来说明:

>>> import numpy as np
>>> import pandas as pd
>>> a = pd.MultiIndex.from_arrays(np.array([np.repeat([1, 2], 6), np.tile(np.repeat(["a", "b", "c"], 2), 2)] ) )
>>> df = pd.DataFrame(np.random.randn(12,4), index=a, columns=list('ABCD'))
>>> df
            A         B         C         D
1 a  0.688481 -2.380630  1.586150  0.008736
  a  0.481300  1.276254 -0.159889  0.568995
  b -0.250297 -0.161532 -1.099416  0.362548
  b -0.588712  0.403857 -0.573104  1.420252
  c -1.026832 -1.297500 -0.084957  0.072306
  c -0.262771  0.865048 -0.278121 -1.406952
2 a -0.873142 -0.871211 -1.790412  1.073330
  a -2.252715  1.772763  1.784698  1.716706
  b  1.108562 -0.622361  0.036408  1.170411
  b -0.157282 -0.660653 -1.230480 -0.295144
  c -0.241862 -0.471965  0.363945  0.125543
  c -0.396109  0.245829  0.544339 -0.957016

所以我可以这样做:

>>> df.loc["1","a"]  
            A         B         C         D
1 a  0.688481 -2.380630  1.586150  0.008736
  a  0.481300  1.276254 -0.159889  0.568995

还有这个:

>>> df.loc[:,["A","B"]]
            A         B
1 a  0.688481 -2.380630
  a  0.481300  1.276254
  b -0.250297 -0.161532
  b -0.588712  0.403857
  c -1.026832 -1.297500
  c -0.262771  0.865048
2 a -0.873142 -0.871211
  a -2.252715  1.772763
  b  1.108562 -0.622361
  b -0.157282 -0.660653
  c -0.241862 -0.471965
  c -0.396109  0.245829

甚至这个:

>>> df.loc["1","a"]["A"]
1  a    0.688481
   a    0.481300
Name: A, dtype: float64

但是当我执行以下任一操作时:

>>> df.loc["1","a",["A","B"]]
>>> df.loc["1","a"]["A","B"]

我得到一个错误。我想得到的是这样的:

            A         B
1 a  0.688481 -2.380630
  a  0.481300  1.276254

我是 pandas 的新手,我确信这是一个非常基本的问题,但我找不到答案。

谢谢!

【问题讨论】:

【参考方案1】:

使用slicers 进行复杂的选择:

idx = pd.IndexSlice
a = df.loc[idx['1','a'],idx['A','B']]
print (a)
            A         B
1 a  0.290874  0.279663
  a  0.435876 -0.318957

a = df.loc[idx['1',['a', 'b']],idx['A','B']]
print (a)
            A         B
1 a -1.329079  0.278034
  a  0.955832 -0.877614
  b  1.875801  0.415695
  b  0.765055 -0.828989

a = df.loc[idx['1',['a', 'c']],:]
print (a)
            A         B         C         D
1 a  0.142426  0.541231  1.340099 -1.569256
  a -0.510343 -0.447771  0.937850 -0.356663
  c -0.900009 -0.931002 -1.222737 -0.393311
  c -0.957582  2.056467 -1.888492 -1.128331

【讨论】:

正是我所需要的。另外,有什么方法可以在不复制的情况下做到这一点,例如稍后修改数据框的内容? @viloflo 是什么意思修改?像df.loc[idx['1','a'],idx['A','B']] += 10这样的一些算术运算? 是的,就是这样。谢谢!【参考方案2】:

使用ilociloc 获取索引中特定位置的行(或列):

df.iloc[:2, :2]

【讨论】:

以上是关于pandas:选择索引,然后选择多索引切片上的列的主要内容,如果未能解决你的问题,请参考以下文章

使用索引值列表对 pandas 多索引数据框进行切片 [重复]

使用句点选择/切片多索引数据帧时间序列会导致错误?

pandas中的多索引(时间序列)切片错误

为啥 pandas 多索引数据帧切片看起来不一致?

熊猫:切片多索引与许多索引

对唯一顺序索引的多索引熊猫数据框进行切片和赋值