具有重复值的 Python 多索引切片

Posted 2023-03-12

【中文标题】具有重复值的 Python 多索引切片

【英文标题】：Python multiindex slicing with repetitive values

【发布时间】：2021-02-11 02:27:54

【问题描述】：

我在使用带有重复多索引的 pandas 切片数据时遇到问题。

假设我有一张桌子（A 和 B 是索引）

A B C
1 1 11
1 2 12
1 3 13
2 1 21
2 2 22
2 3 23

and so on

And to vectors
a = [1, 2, 3, 1, 2, 1, 2 ]
b = [3, 2, 1, 3, 2, 1, 3 ]

我想以某种方式对表格进行切片，以返回向量 c，其值与向量 a 和 b 的索引一致。

c = [13, 22, 31, 13, 22, 11, 23] 

我唯一想到的就是旋转这张表并得到：

A B1 B2 B3
1 11 12 13
2 21 22 23
3 31 32 33

通过 loc 将一个索引应用于 A 列以获得正确的行，与指示矩阵相乘以为每一行选择正确的列，并与 cumsum 获得一个向量（使用另一个切片）。 我确信必须有更简单的方法来做到这一点，但我找不到正确的方法来做到这一点

【参考方案1】：

您可以使用 a 和 b 数组创建一个新的 MultiIndex 然后 reindex 您的数据框：

样本数据

import pandas as pd

index = pd.MultiIndex.from_product([[1,2,3], [1,2,3]])
df = pd.DataFrame("C": [11, 12, 13, 21, 22, 23, 31, 32, 33], index=index)

print(df) # dataframe with 2-level index and 1 column "C"
      C
1 1  11
  2  12
  3  13
2 1  21
  2  22
  3  23
3 1  31
  2  32
  3  33

方法

从您的 a 和 b 数组创建新的 MultiIndex 将数据框（或仅感兴趣的列）与此新索引对齐

a = [1, 2, 3, 1, 2, 1, 2 ]
b = [3, 2, 1, 3, 2, 1, 3 ]

new_index = pd.MultiIndex.from_arrays([a, b])
new_c = df["C"].reindex(new_index)

print(new_c.to_numpy())
[13 22 31 13 22 11 23]

方法二

您还可以将 a 和 b 数组压缩在一起，然后简单地使用 .loc 对数据框进行切片：

# Select the rows specified by combinations of a, b; in column "C"
new_c = df.loc[zip(a, b), "C"]

print(new_c.to_numpy())
[13 22 31 13 22 11 23]

【参考方案2】：

一个选项是merge:

 pd.DataFrame('A':a,'B':b).merge(df, on=['A','B'], how='left')['C']

输出（注意NaN的值对应于df中没有数据的地方）：

0    13.0
1    22.0
2     NaN
3    13.0
4    22.0
5    11.0
6    23.0
Name: C, dtype: float64