按列名和多索引向多索引数据框添加值
Posted
技术标签:
【中文标题】按列名和多索引向多索引数据框添加值【英文标题】:Adding values to multiindex dataframe by column name as well as multi index 【发布时间】:2018-10-17 10:16:49 【问题描述】:我仍然对 Pandas 中多索引的工作方式感到很困惑。我创建了一个多索引如下:
import pandas as pd
import numpy as np
arrays = [np.array(['pearson', 'pearson', 'pearson', 'pearson', 'spearman', 'spearman',
'spearman', 'spearman', 'kendall', 'kendall', 'kendall', 'kendall']),
np.array(['PROFESSIONAL', 'PROFESSIONAL', 'STUDENT', 'STUDENT',
'PROFESSIONAL', 'PROFESSIONAL', 'STUDENT', 'STUDENT',
'PROFESSIONAL', 'PROFESSIONAL', 'STUDENT', 'STUDENT']),
np.array(['r', 'p', 'r', 'p', 'rho', 'p', 'rho', 'p', 'tau', 'p', 'tau', 'p'])]
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=['correlator', 'expertise', 'coeff-p'])
然后我用它们制作了一个空的 DataFrame 并添加了一个列名“pair”:
results_df = pd.DataFrame(index=index)
results_df.columns.names = ['pair']
填充了一些玩具数据(results_df['attr1-attr2'] = [1,2,3,4,5,6,7,8,9,10,11,12]
),它看起来像这样:
pair attr1-attr2
correlator expertise coeff-p
pearson PROFESSIONAL r 1
p 2
STUDENT r 3
p 4
spearman PROFESSIONAL rho 5
p 6
STUDENT rho 7
p 8
kendall PROFESSIONAL tau 9
p 10
STUDENT tau 11
p 12
但是,我想从字典中添加值而不是假人。对于每个 attr-attr 对,字典中的条目如下所示:
'attr-attr':
'pearson':
'STUDENT':
'r': VALUE,
'p': VALUE
,
'PROFESSIONAL':
'r': VALUE,
'p': VALUE
,
'spearman':
'STUDENT':
'r': VALUE,
'p': VALUE
,
'PROFESSIONAL':
'r': VALUE,
'p': VALUE
'kendall':
'STUDENT':
'r': VALUE,
'p': VALUE
,
'PROFESSIONAL':
'r': VALUE,
'p': VALUE
以下实际示例数据供您使用:
correlations = 'NormNedit-NormEC_TOT': 'pearson': 'PROFESSIONAL': 'r': 0.13615071018351657, 'p': 0.0002409555504769095, 'spearman': 'STUDENT': 'rho': 0.10867061294616957, 'p': 0.003437711066527592, 'PROFESSIONAL': 'tau': 0.08185775947238913, 'p': 0.003435247172206748, 'kendall': 'STUDENT': 'tau': 0.08185775947238913, 'p': 0.003435247172206748, 'NormLiteral-NormEC_TOT': 'pearson': 'PROFESSIONAL': 'r': 0.13615071018351657, 'p': 0.0002409555504769095, 'STUDENT': 'tau': 0.08185775947238913, 'p': 0.003435247172206748, 'spearman': 'STUDENT': 'rho': 0.10867061294616957, 'p': 0.003437711066527592, 'PROFESSIONAL': 'r': 0.13615071018351657, 'p': 0.0002409555504769095, 'kendall': 'STUDENT': 'tau': 0.08185775947238913, 'p': 0.003435247172206748, 'NormHTra-NormEC_TOT': 'pearson': 'STUDENT': 'r': 0.13615071018351657, 'p': 0.0002409555504769095, 'spearman': 'STUDENT': 'rho': 0.10867061294616957, 'p': 0.003437711066527592, 'PROFESSIONAL': 'r': 0.13615071018351657, 'p': 0.0002409555504769095, 'kendall': 'STUDENT': 'tau': 0.08185775947238913, 'p': 0.003435247172206748, 'NormScatter-NormEC_TOT': 'pearson': 'STUDENT': 'r': 0.13615071018351657, 'p': 0.0002409555504769095, 'spearman': 'STUDENT': 'rho': 0.10867061294616957, 'p': 0.003437711066527592, 'PROFESSIONAL': 'tau': 0.08185775947238913, 'p': 0.003435247172206748, 'kendall': 'PROFESSIONAL': 'tau': 0.08185775947238913, 'p': 0.003435247172206748, 'NormCrossS-NormEC_TOT': 'pearson': 'STUDENT': 'r': 0.13615071018351657, 'p': 0.0002409555504769095, 'PROFESSIONAL': 'rho': 0.10867061294616957, 'p': 0.003437711066527592, 'spearman': 'STUDENT': 'rho': 0.10867061294616957, 'p': 0.003437711066527592, 'PROFESSIONAL': 'rho': 0.10867061294616957, 'p': 0.003437711066527592, 'kendall': 'PROFESSIONAL': 'tau': 0.08185775947238913, 'p': 0.003435247172206748, 'NormPdur-NormEC_TOT': 'pearson': 'STUDENT': 'r': 0.13615071018351657, 'p': 0.0002409555504769095, 'PROFESSIONAL': 'rho': 0.10867061294616957, 'p': 0.003437711066527592, 'spearman': 'STUDENT': 'rho': 0.10867061294616957, 'p': 0.003437711066527592, 'kendall': 'PROFESSIONAL': 'tau': 0.08185775947238913, 'p': 0.003435247172206748
所以对于每个'attr-attr'(最上面的键)作为列名,我想将其值添加到多索引中的相应行。但是,我似乎无法找到一种有效的方法来做到这一点。缺失值应为np.nan
。我尝试循环字典并使用query()[]
,但这没有用。
for attr, attr_d in correlations.items():
for correl, correl_d in attr_d.items():
for split, split_d in correl_d.items():
results_df.query(f"correlator == correl and expertise == split and coeff_p == 'p'")[attr] = split_d['p']
results_df.query(f"correlator == correl and expertise == split and coeff_p != 'p'")[attr] = split_d['r'] if 'r' in split_d else split_d['rho'] if 'rho' in split_d else split['tau']
> pandas.core.computation.ops.UndefinedVariableError: name 'pearson' is not defined
我知道数据比较复杂,所以如果有不清楚的地方请告诉我。
【问题讨论】:
【参考方案1】:您可以调整 Wouter Overmeire's answer to this question 以从嵌套字典中创建多索引数据框:
d = correlations
df = pd.DataFrame.from_dict((i,j,k): d[i][j][k]
for i in d.keys()
for j in d[i].keys()
for k in d[i][j].keys()
, orient='index').stack()
然后,如果您希望列来自嵌套字典的***别(attr-attr
级别),您可以取消堆叠结果:
df = df.unstack(level=0)
注意:我认为您的示例数据中有错误,其中'PROFESSIONAL': 'STUDENT': ...
。如果这不是一个错误,我只是误解了一些东西,请告诉我。
【讨论】:
不幸的是,这并没有给我想要的结构。我希望 attr-attr 作为列,现在它们只是多索引的一部分。 @piRSquared 是在正确的轨道上,但我不确定他们为什么停止工作。 您能发布您希望示例数据输出的样子吗? 就像我提供的玩具数据示例一样,即每个 Norm...-Norm... 对有一列。 您是否检查过您的玩具数据实际上与此相对应?另外,我以我认为可以提供的方式更新了答案。 你是对的,我的错!我编辑了示例代码 - 现在应该是正确的。以上是关于按列名和多索引向多索引数据框添加值的主要内容,如果未能解决你的问题,请参考以下文章