在多索引上使用切片器

Posted 2023-02-23

【中文标题】在多索引上使用切片器

【英文标题】：Using slicers on a multi-index

【发布时间】：2016-11-12 15:45:01

【问题描述】：

我有一个表单的数据框：

Contract  Date      
201501    2014-04-29    1416.0
          2014-04-30    1431.1
          2014-05-01    1430.6
          2014-05-02    1443.9
          2014-05-05    1451.6
          2014-05-06    1461.4
          2014-05-07    1456.0
          2014-05-08    1441.1
          2014-05-09    1437.8
          2014-05-12    1445.2
          2014-05-13    1458.2
          2014-05-14    1487.6
          2014-05-15    1477.6
          2014-05-16    1467.9
          2014-05-19    1484.9
          2014-05-20    1470.5
          2014-05-21    1476.9
          2014-05-22    1490.0
          2014-05-23    1473.3
          2014-05-27    1462.5
          2014-05-28    1456.3
          2014-05-29    1460.5
201507    2014-05-30    1463.5
          2014-06-02    1447.5
          2014-06-03    1444.4
          2014-06-04    1444.7
          2014-06-05    1455.9
          2014-06-06    1464.0

其中 Contract 和 Date 分别是 int 和 datetime64 类型的索引。

我想要的是选择一个日期范围。它的工作原理是：

df.reset_index('Contract', drop=True).loc['2014-09']

但我讨厌这个，因为它失去了索引/不是很愉快（我必须做很多这些）。

我想我应该可以这样做：

df.loc[:,'2014-09']

恢复 2014 年 9 月的所有数据。实际上，这是行不通的。我只能通过以下方式选择一天：

df.loc[:,'2014-09-02']

为什么我的多索引切片器不起作用？

【参考方案1】：

Pandas 需要您明确说明您是选择层次索引的列还是子级别。在这种情况下，df.loc[:,'2014-09'] 失败，因为 pandas 尝试获取所有行，然后查找标记为 '2014-09' 的列（不存在）。

相反，您需要同时提供多索引的两个级别和列标签/切片。

要从您的示例中选择所有 2014 年 5 月的数据，您可以编写：

>>> df.loc[(slice(None), '2014-05'), :]                            
Contract Date              
201501   2014-05-01  1430.6
         2014-05-02  1443.9
         2014-05-05  1451.6
         2014-05-06  1461.4
         2014-05-07  1456.0
         2014-05-08  1441.1
         2014-05-09  1437.8
         2014-05-12  1445.2
         2014-05-13  1458.2
         2014-05-14  1487.6
         2014-05-15  1477.6
         2014-05-16  1467.9
         2014-05-19  1484.9
         2014-05-20  1470.5
         2014-05-21  1476.9
         2014-05-22  1490.0
         2014-05-23  1473.3
         2014-05-27  1462.5
         2014-05-28  1456.3
         2014-05-29  1460.5
201507   2014-05-30  1463.5

这里[(slice(None), '2014-05'), :] 转换为[:, '2014-05'] 的切片用于行，[:] 用于列。

引入pd.IndexSlice 对象是为了使这些切片语义更容易一些：

>>> idx = pd.IndexSlice
>>> df.loc[idx[:, '2014-05'], :]
# same slice of DataFrame

【讨论】：

这绝对有效吗？当我尝试这样做时，它似乎只返回所有数据，而不是相应的切片（因此它可以在您的示例中使用有限的数据集，但不适用于我的扩展数据集）。

@cjm2671，您可以尝试使用您的示例数据集重现它吗？

@cjm2671：它应该可以工作；我不确定如何返回所有行，除非您也 slice 在第二级使用更早的日期，例如df.loc[idx[:, '2013-05':], :]。正如 MaxU 建议的那样，也许您可​​以在较小的数据集上重现此问题，以便我们可以进一步调查？

@ajcr，你知道为什么df.loc[(slice(None), '2014-05'), :] 有效而df.ix[(slice(None), '2014-05'), :] 无效吗？

好的，我确实让它工作了。我在上面犯了一个错误-它是具有多索引的 pd.Series，而不是 DataFrame。当我申请 to_frame() 时，它起作用了。我能问一下，为什么这不适用于系列？

【参考方案2】：

您可以使用pd.Indexslice 根据您的MultiIndex 的每个level 的范围进行选择，就像这样（see docs）：

idx = pd.IndexSlice
df.loc[idx[:, '2014-05'], :]

得到：

Contract Date              
201501   2014-05-01  1430.6
         2014-05-02  1443.9
         2014-05-05  1451.6
         2014-05-06  1461.4
         2014-05-07  1456.0
         2014-05-08  1441.1
         2014-05-09  1437.8
         2014-05-12  1445.2
         2014-05-13  1458.2
         2014-05-14  1487.6
         2014-05-15  1477.6
         2014-05-16  1467.9
         2014-05-19  1484.9
         2014-05-20  1470.5
         2014-05-21  1476.9
         2014-05-22  1490.0
         2014-05-23  1473.3
         2014-05-27  1462.5
         2014-05-28  1456.3
         2014-05-29  1460.5
201507   2014-05-30  1463.5

【参考方案3】：

您可以使用.dt accessor 提取九月份的所有值，如下所示：

df.loc[(pd.to_datetime(df['Date']).dt.month == 9)]

时间限制：

timeit df.loc[(pd.to_datetime(df['Date']).dt.month == 5)]
1000 loops, best of 3: 796 µs per loop