对MultiIndex进行切片
基础概念
MultiIndex 是 pandas 库中的一种数据结构，用于表示多级索引（也称为层次化索引）。它允许你在数据框（DataFrame）或系列（Series）中使用多个索引层级，从而更方便地进行数据操作和分析。
相关优势
- 灵活性：多级索引提供了更灵活的数据组织方式，可以更方便地进行数据的切片和聚合操作。
- 高效性：通过多级索引，可以更高效地处理大规模数据集，减少数据冗余和存储空间。
- 易用性：pandas 提供了丰富的 API 来操作多级索引，使得数据处理更加简单和直观。
类型
MultiIndex 可以分为两种类型：
- 层级索引：每个索引层级都有唯一的名称和标签。
- 混合索引：索引层级可以是整数、字符串或其他数据类型。
应用场景
- 时间序列数据：多级索引可以用于处理时间序列数据，例如按年、月、日等不同粒度进行索引。
- 分类数据：对于具有多个分类维度的数据，可以使用多级索引进行组织和管理。
- 面板数据：多级索引可以用于处理面板数据（Panel Data），即同时包含时间序列和分类维度的数据。
切片操作
对 MultiIndex 进行切片操作可以通过以下几种方式实现：
- 按层级标签切片：
- 按层级标签切片：
- 按层级位置切片：
- 按层级位置切片：
- 使用
xs方法： - 使用
xs方法：
常见问题及解决方法
- 切片范围错误：
- 问题：在进行切片操作时，可能会遇到索引超出范围的问题。
- 原因：可能是由于索引层级标签或位置设置不正确导致的。
- 解决方法：检查索引层级标签和位置是否正确，并确保切片范围在数据集的范围内。
- 解决方法：检查索引层级标签和位置是否正确，并确保切片范围在数据集的范围内。
- 解决方法：检查索引层级标签和位置是否正确，并确保切片范围在数据集的范围内。
- 索引层级不匹配：
- 问题：在进行切片操作时，可能会遇到索引层级不匹配的问题。
- 原因：可能是由于索引层级名称或标签不一致导致的。
- 解决方法：确保索引层级名称和标签一致，并在创建
MultiIndex时正确设置层级名称。 - 解决方法：确保索引层级名称和标签一致，并在创建
MultiIndex时正确设置层级名称。
参考链接
通过以上内容，你应该对 MultiIndex 的切片操作有了全面的了解，并能够解决常见的相关问题。
相关·内容
我还有另一个问题，那就是关于Pands是创建一个视图还是数据帧的副本的困惑。下面我有一个非常简单的例子。有人能给我解释一下如何更改熊猫MultiIndex数据框中的一些值的子集吗？
arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],['one', 'two', 'one', 'two', 'one', &#
浏览 1提问于2015-06-27得票数 0
1回答
我有一个大约100k行的数据帧df，格式如下：
ID, Date, Count
1, 11-12-2017,23
1, 12-12-2017,21
2, 11-12-2017,13
2, 12-12-2017,28
3, 11-12-2017,22
3, 12-12-2017,23
在这种情况下，我必须处理特定日期的数据，以及所有ID的存在。我现在已经对ID应用了索引:-
df2 = df.set_index('ID')
df3 = df2[:"123"]
在这里，在df3上应用日期索引是更好，还是应该在最初对df本身使用多索引。
因此，在上面的df
浏览 10提问于2017-12-26得票数 0
回答已采纳
当用二级索引MultiIndexed熊猫数据时，结果会自动按索引排序。有没有一种不用排序就能得到结果的优雅方法？
下面是一个玩具示例：
>>> df = pd.DataFrame(np.ones((10, 3)), columns=list("ABC"))
>>> df.index = pd.MultiIndex.from_product([range(5), list("AB")])
>>> df
A B C
0 A 1.0 1.0 1.0
B 1.0 1.0 1.
浏览 0提问于2019-01-18得票数 4
回答已采纳
2回答
我试图用一个比系列的原始索引包含更多级别的索引( Series，ix)来设置a1的索引。
>>> a = pd.DataFrame({'a': [1, 2, 3], 'b': ['b', 'b', 'b'], 'x': [4, 5, 6]}).set_index(['a', 'b'])
>>> a
x
a b
1 b 4
2 b 5
3 b 6
>>>
>>> a1 = a
浏览 1提问于2019-05-15得票数 1
回答已采纳
1回答
我已经搜索过Stack，但是找不到这个简单问题的答案：
假设我有一只多索引的熊猫，如下所示：
Foo 0 0.021362
1 0.917947
2 -0.956313
3 0.834556
4 -0.387533
Bar 0 -0.242659
1 0.398657
2 0.455909
3 0.200061
4 -1.273537
Baz 0 0.747849
1 -0.012899
2 1.026659
3
浏览 4提问于2015-11-19得票数 3
回答已采纳
我刚接触熊猫，并试图学习如何与它一起工作。我在使用wes视频和笔记本中看到的一个例子时遇到了一个问题。我有一个csv文件，如下所示：
filePath,vp,score
E:\Audio\7168965711_5601_4.wav,Cust_9709495726,-2
E:\Audio\7168965711_5601_4.wav,Cust_9708568031,-80
E:\Audio\7168965711_5601_4.wav,Cust_9702445777,-2
E:\Audio\7168965711_5601_4.wav,Cust_7023544759,-35
E:\Audio\7168
浏览 0提问于2013-06-26得票数 0
回答已采纳
1回答
带有MultiIndex潘达斯面板的切片函数
我用一个Panel (参见代码)从Pandas创建了一个MultiIndex构造。没有MultiIndex，我可以用简单的命令将Panel分割成一个DataFrame：
PanelData.major_xs('A')
PanelData.minor_xs('zTwo')
如果我将MultiIndex Panel切片，结果将是一个Panel。我能做些什么来拿回一个DataFrame (切片一个3D Panel => 2D DataFrame)？为什么带有3D Panel的切片的结果也是Panel呢？如果可能的话，
浏览 6提问于2014-04-14得票数 2
回答已采纳
目标是将0级切片，并在其中包含a。
但是，在将多索引列切片如下时，
a_cols=df.loc[:,('a',slice(None))]
编译器返回
TypeError: unhashable type: 'slice'
import pandas as pd
import numpy as np
np.random.seed(0)
arr=np.random.randint(5, size=(2, 12))
df=pd.DataFrame(arr,columns=[('a','E1_g1'),('a',
浏览 4提问于2022-04-25得票数 0
回答已采纳
1回答
我有一个名为data的多索引(2级)熊猫数据。我用smalldata = data.loc[(slice(start,end),slice(None)),:]在这个数据文件的一部分上创建一个视图。如果我显示smalldata，它将显示我期望的数据。如果我打印smalldata.index，它将根据我为start和end选择的值显示我期望的多个索引。但是，如果打印smalldata.index.levels，则会得到data的完整索引，而不是smalldata索引值的子集。如果我想知道smalldata中索引级别的大小，没有简单的方法可以找到这样的方法。有什么建议吗？而且，这似乎是一个bug，我
浏览 3提问于2021-04-13得票数 0
回答已采纳
import pandas as pd
import numpy as np
df = pd.DataFrame(np.zeros([4,1]), index=pd.MultiIndex.from_product([[0,1], ['a','b']]))
df.loc[(slice(None), 'a'), 0] = pd.Series({1:2, 0:3})
df
给出
我找到了几个建议将.values添加到右侧的地方，但这给出了错误的结果(它切换了2和3，因为我故意将右侧的序列放在“错误”的顺序中)，因为我确实需要pandas为我
浏览 0提问于2021-02-01得票数 0
我透视了一个在行和列上都有MultiIndex的DataFrame。我将把数据帧转换成scipy.sparse矩阵，这样我就可以将它用作另一个库的输入。
如何保留稀疏矩阵和旋转DataFrame的索引之间的映射？例如，稀疏矩阵的行1对应于MultiIndex中的这两个组，类似地，稀疏矩阵中的列1对应于列MultiIndex中的这些组
编辑:我想最简单的方法是将DataFrame转换为稀疏矩阵，进行矩阵分解，将矩阵分解的输出转换回DataFrame，然后添加原始MultiIndex
Edit2:常见请求的代码示例
In [1]: import pandas as pd
In [2]: impo
浏览 3提问于2018-10-29得票数 1
我有两个数据帧。df1是多级数据帧，df2是另一个数据帧，我希望通过将其现有行与多级df1进行匹配来填充它。
这很好用，因为它在df2中没有重复的行：
import pandas as pd
df1 = pd.DataFrame({'step 0': {('D1', 'E1', 'S1'): 0.372621, ('D1', 'E1', 'S2'): 0.10471400000000002, ('D1', 'E1', 'S3'): 0.
浏览 6提问于2018-12-13得票数 0
回答已采纳
1回答
所以我有一个巨大的矩阵(大约150万行x 7列)，并试图找出一种有效的方法来拆分它。为了简单起见，我将使用这个小得多的矩阵作为我想要做的事情的示例。这7列包括(按顺序)：条目编号、x和y坐标、第一个标签(非数字)、数据#1、数据#2和第二个标签(非数字)。所以使用pandas，我从excel表格中导入了一个名为A的矩阵，它看起来像这样： ? 我需要做的是根据两个标签对其进行划分(即，我有一个矩阵是所有13G + Aa的矩阵，另一个矩阵是14G + Aa的矩阵，另一个矩阵是14G + Ab的矩阵--这将使我得到3个独立的2x7矩阵)。这样做的原因是因为我需要对每个单独矩阵的“标记”列的
浏览 19提问于2019-09-03得票数 1
1回答
我无法从数据数据的层次索引中找出这种奇怪的行为。简而言之，我想做的非常简单；我试图弄清楚元组是否在我的dataframe的索引中。
这就是我expect的行为
arrays = [[dt.date(2014,6,4), dt.date(2014,6,4), dt.date(2014,6,21), dt.date(2014,6,21),dt.date(2014,6,13), dt.date(2014,6,13), dt.date(2014,6,7), dt.date(2014,6,7)],['one', 'two', 'one', 'two
浏览 1提问于2014-07-10得票数 1
回答已采纳
使用pandas文档找到的示例，下面的索引非常有效，其结果是一个pd.Series
import pandas as pd
tuples = [(1, 'red'), (1, 'blue'),
(2, 'red'), (2, 'blue')]
columns = pd.MultiIndex.from_tuples(tuples, names=('number', 'color'))
asdf = pd.DataFrame(columns=columns, index=[0, 1]
浏览 2提问于2020-08-04得票数 1
回答已采纳
这是最容易用代码来解释的，因此这里可以这样做--想象一下ipython/jupyter笔记本中的命令：
from io import StringIO
import pandas as pd
test = StringIO("""Date,Ticker,x,y
2008-10-23,A,0,10
2008-10-23,B,1,11
2008-10-24,A,2,12
2008-10-24,B,3,13
2008-10-25,A,4,14
2008-10-25,B,5,15
2008-10-26,A,6,16
2008-10-26,B,7,17
""&#
浏览 0提问于2020-01-02得票数 1
回答已采纳
我有一个熊猫数据帧，有3个级别的MultiIndex。我正在尝试根据与其中两个级别相对应的值列表来提取此数据帧的行。
我有这样的东西：
ix = pd.MultiIndex.from_product([[1, 2, 3], ['foo', 'bar'], ['baz', 'can']], names=['a', 'b', 'c'])
data = np.arange(len(ix))
df = pd.DataFrame(data, index=ix, columns=['hi
浏览 3提问于2015-03-26得票数 19
回答已采纳
3回答
我用perl做了很多数据分析，我正在尝试用python复制这项工作，使用pandas、numpy、matplotlib等。
一般工作流程如下：
1)全局处理目录中的所有文件
2)解析文件，因为它们有元数据
3)使用正则表达式来隔离给定文件中的相关行(它们通常以诸如‘LOOPS’之类的标签开头)
4)将匹配标签和加载数据的行拆分为散列
5)做一些数据分析
6)制作一些情节
下面是我在perl中通常要做的一个示例：
print"Reading File:\n"; # gets data
foreach my $vol ($S
浏览 2提问于2012-11-13得票数 2
我对Python/Pandas有点陌生，我不断地遇到这个我无法找到的特殊用例。我想创建一系列具有迭代生成的名称的DataFrames。这里有一个我想在理论上研究的例子
list1_A = DataFrame([(1,3,2),(2,4,5)])
list2_A = DataFrame([(1,5,2),(5,2,3)])
list3_A = DataFrame([(5,2,1),(3,3,6)])
listOfDFs = [list1_A, list2_A, list3_A]
for i in range(len(listofDFs)):
'list'+str(i)
浏览 3提问于2015-03-05得票数 2
3回答
我已经旋转了一个三栏的数据:月，客户和数量。我试着按月和客户分别绘制这个数据分组，以便知道他们在这几个月里交易了多少。
有人能帮帮我吗？我试过很多方法，但都没能接近.
预期地块：
原始Dataframe (仅前10行)
Mes,Clientes,Mercadorias,Quantidade
Janeiro,Cliente A,DOL,834984
Janeiro,Cliente A,WDO,622107
Janeiro,Cliente A,IND,576051
Janeiro,Cliente A,WIN,326315
Janeiro,Cliente A,DI1,762236
Janeir
浏览 2提问于2020-06-20得票数 1
回答已采纳
考虑一个具有所有布尔型级别的MultiIndex的Pandas DataFrame (例如下面的例子)。试图使用布尔标签访问此类DataFrame的特定行会导致错误：
df = pd.DataFrame([[False, False, 1],
[False, True, 2],
[True, False, 3]], columns=["A", "B", "C"])
df.set_index(["A", "B"], inplace=Tru
浏览 5提问于2020-03-07得票数 1
回答已采纳
我正在尝试基于列名称的列表来子集dataframe。
下面是代码的一个示例：
import pandas as pd
import numpy as np
arrays = [['A1', 'A1', 'A1', 'A2', 'A2', 'A2', 'A3', 'A3', 'A3', 'A4', 'A4', 'A4'],
['ba', 'be', 'b
浏览 3提问于2019-10-15得票数 1
回答已采纳
1回答
我正在使用pandas数据帧，它们本质上是这样的时间序列：
level
Date
1976-01-01 409.67
1976-02-01 409.58
1976-03-01 409.66
…
我想要的是level列的多个索引/标题，如下所示：
Station1 #Name of the datasource
43.1977317,-4.6473648,5 #Lat/Lon of the source
Precip
浏览 2提问于2015-09-03得票数 21
回答已采纳
我正在尝试使用loc方法获取熊猫数据帧的视图，但当我修改原始DataFrame时，它不能像预期的那样工作。
我希望使用loc方法提取DataFrame的行/片，以便在对DataFrame进行修改时，片反映更改。
让我们看一下这个例子：
import pandas as pd
import numpy as np
df = pd.DataFrame({'ID':np.arange(0,5,2), 'a':np.arange(3), 'b':np.arange(3)}).set_index('ID')
df
a b
ID
浏览 0提问于2020-05-19得票数 5
这个问题试图概括为这个问题提供的解决方案：
我需要为每个列索引生成一个列。
当我们想要添加单个列时，spencerlyon2提供的解决方案可以工作：
df['bar', 'three'] = [0, 1, 2]
但是，我想将此操作推广到每个第一级列索引。
源DF：
In [1]: df
Out[2]:
first bar baz
second one two one two
A -1.089798 2.053026 0.470218 1.440740
浏览 1提问于2019-11-16得票数 4
1回答
我有一个数据帧，它类似于：
grades=pd.DataFrame(columns=["person","course_code","grade"],data=[[1,101,2.0],[2,102,1.0],[3,103,3.0],[2,104,4.0],[1,102,5.0],[3,104,2.5],[2,101,1.0]])
每一行都是某一学生在某一科目中的分数。
并希望将其转换为另一个，如下所示：
students=pd.DataFrame(columns=[101,102,103,104],data [[2.0,5.0,"NaN
浏览 0提问于2018-03-29得票数 0
假设我有一个多索引数据帧，如下：
将熊猫作为pd导入
import pandas as pd
import numpy as np
input_id = np.array(['input_id'])
docType = np.array(['pre','pub','app','dw'])
docId = np.array(['34455667'])
sec_type = np.array(['bib','abs','cl','de']
浏览 6提问于2021-05-18得票数 0
回答已采纳
1回答
假设我有以下数据：
name tags
0 abc (1990) AB|A|BC
1 def (2000) BC|AB
2 yz (1990) A|AB
tags列中的值是管道分隔的.此外，列name中的值的格式类似于description (year)。我想数一下每年得到这样一个Series对象的标记数：
year
1990 A 2
AB 2
BC 1
2000 AB 1
BC 1
或等效为DataFrame
year tags count
0 1
浏览 0提问于2018-11-11得票数 1
回答已采纳
1回答
我正在把网站上的following data读成DataFrame。 我使用以下脚本擦除数据： import pandas as pd
fpath = r'https://www.apra.gov.au/annual-fund-level-superannuation-statistics'
xl_data = pd.read_excel(fpath,sheet_name=['Table 3','Table 9'])
returns = xl_data['Table 3']
returns.columns = returns.
浏览 19提问于2019-12-03得票数 0
我有一个具有2级多索引的Pandas Dataframe，我正在尝试将一个函数应用于数据帧，该函数根据该行的多索引值执行某些操作，但我在网上找不到任何解释如何做到这一点的方法。有什么想法吗？
浏览 15提问于2019-11-28得票数 0
我有几个关于数据采集的问题。这里有一个例子：
import pandas as pd
dates = pd.bdate_range('2014-01-01', periods=10)
df = pd.DataFrame(range(10), index=dates)
生成此数据框架：
2014-01-01 0
2014-01-02 1
2014-01-03 2
2014-01-06 3
2014-01-07 4
2014-01-08 5
2014-01-09 6
2014-01-10 7
2014-01-13 8
2014-01-14
浏览 0提问于2014-11-09得票数 0
回答已采纳
1回答
所以，使用分组DataFrames的另一个问题是我对.
我将聚合字典定义为：
aggregations_level_1 = {
'A': {
'mean': 'mean',
},
'B': {
'mean': 'mean',
},
}
现在，我已经使用上面的方法聚合了两个分组DataFrames，然后加入了：
grouped_top =
df1.groupby([
浏览 3提问于2017-05-15得票数 1
回答已采纳
2回答
我有一个问题，切片数据与熊猫多索引与重复。
假设我有一张桌子(A和B是被告)
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 ]
我想用一种方式将表切片，以返回向量c，其值与向量a和b中的指示数一致。
c = [13, 22, 31, 13, 22, 11, 23]
我脑子里唯一想到的就是转动这张桌子，然后得到：
A B1 B2 B3
1 11 12 13
2 21 22 23
3 31
浏览 3提问于2020-10-28得票数 0
回答已采纳
我通常使用具有多个级别的索引的大型DataFrames，我希望根据级别的子集对其进行切片。我不认为有一种简单的方法可以做到这一点。具体地说，pandas.IndexSlice没有提供预期的结果，我将在下面解释。
假设我们有一个这样的DataFrame：
col0 col1
level0 level1 level2
0 0 0 0 0
1 1 1
1 0 2 2
浏览 5提问于2019-09-15得票数 0
很抱歉我问了，但我没有得到仍然存在的答案。我只是简单地用相同的列名粘合了两个数据框。 | | X | Y | X | Y |
|---:|----:|----:|----:|----:|
| 0 | 1 | 3 | 9 | 7 |
| 1 | 2 | 4 | 8 | 6 | 我想要的是 | | FOO | BAR |
| | X | Y | X | Y |
|---:|----:|----:|----:|----:|
| 0 | 1 | 3 | 9 | 7 |
|
浏览 15提问于2021-10-15得票数 1
回答已采纳
我有一个DataFrame，df1，它是df的一部分。df是多索引的，并且具有形状(8,)。该切片删除了第二个级别的df。当我执行df1.shape时，它返回(4,) --一切都很好--但是当我执行df1.index.levels[0]时，它返回(4,)。怎么会发生这种事？
In [ ]:
arrays = [np.array(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux']),
浏览 0提问于2016-04-14得票数 2
回答已采纳
1回答
我创建了一个带有多个索引的DataFrame，名为key_mat.It just likes
cnt
keys minutes
0000 21:01:00 1
0002 19:08:00 2
16:07:00 1
我想使用.loc选择key_mat的子集
>>> key_mat.loc[['0002']]
>>>
cnt
keys minutes
0002 19:08:00 2
浏览 0提问于2016-10-29得票数 1
1回答
如何将数据从DataFrame排序为使用MultiIndex作为索引和列的DataFrame？
例如，从这里转换：
0 1 2 3 4
0 foo two A 2.30 0.01
1 foo one A 4.12 0.13
2 bar two B 9.89 3.66
3 foo one A 2.11 9.48
4 bar two A 1.07 5.55
对此：
A B
1 2 1 2
foo one 2.1
浏览 0提问于2018-04-27得票数 3
回答已采纳
我设置了一些这样的代码：
import pandas as pd
import numpy as np
arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
['one', 'two', 'one', 'two', 'one', 'two', 'one',
浏览 0提问于2013-03-20得票数 3
回答已采纳
我正在使用df.loc[(key1, key2)]索引一个大型多索引Pandas。有时我会得到一个系列(如预期的)，但有时我会得到一个数据。我试图隔离导致后者的病例，但到目前为止，我所能看到的是，这与获得PerformanceWarning: indexing past lexsort depth may impact performance警告有关。
我想把它复制到这里，但是我不能再生成一个给我同样警告的案例。以下是我的尝试：
def random_dates(start, end, n=10):
start_u = start.value//10**9
end_u = en
浏览 1提问于2019-01-22得票数 78
回答已采纳
2回答
从两个级别的列dataframe开始，我以以下方式在第二级添加一个列：
for metric in ('test_EER', 'test_AUC'):
baseline = summary_df[metric]['lower_confidence_bound']['dummy']
summary_df[metric, 'improvement'] = (summary_df[metric]['lower_confidence_bound'] -baseline)/baseline
这
浏览 0提问于2019-11-12得票数 0
回答已采纳
最近，我遇到了这个问题，我使用了一个大型的dataframe及其相关的多索引。这个简化的例子将说明这个问题。
import pandas as pd
import numpy as np
np.random.seed(1)
idx = pd.MultiIndex.from_product([['A','B'],[5,6]])
df = pd.DataFrame(data= np.random.randint(1,100,(4)),index= idx,columns =['P'])
print df
产生的结果：
P
A 5
浏览 0提问于2015-09-15得票数 5
回答已采纳
1回答
给定邻接列表Y：
Y = np.array([[0., 0., 0., 0., 0., 0., 0., 0., 1., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 1., 1., 0., 1., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 1., 0., 0., 0., 1., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0., 1., 0., 0., 0., 1., 0.,
浏览 0提问于2018-05-23得票数 0
回答已采纳
我有以下数据：
import pandas as pd
df = pd.DataFrame(data=[[1,2,3,4,5,6,1,2,3], [7,8,9,10,11,12,7,8,9], [13,14,15,16,17,18,4,5,6]], index=pd.date_range('2004-01-01', '2004-01-03'))
df.columns = pd.MultiIndex.from_product([['x', 'y', 'z'], list('abc')])
df
浏览 0提问于2019-05-15得票数 3
回答已采纳
5回答
我有一个通过groupby操作创建的多索引DataFrame。我试图使用多个索引级别进行复合排序，但我似乎找不到一个能满足我需要的排序函数。
初始数据集如下所示(各种产品的日销售量)：
Date Manufacturer Product Name Product Launch Date Sales
0 2013-01-01 Apple iPod 2001-10-23 12
1 2013-01-01 Apple iPad 2010-04-03 13
2 201
浏览 0提问于2013-06-22得票数 21
回答已采纳
这两者有什么不同：
熊猫df.loc[:,('col_a','col_b')]
和
df.loc[:,['col_a','col_b']]
下面的链接没有提到后者，尽管它可以工作。两者都有视图吗？第一个拉出一个视图，第二个拉出一个副本？我喜欢学习熊猫。
谢谢
浏览 1提问于2014-12-09得票数 19
回答已采纳
假设我在pandas DataFrame中有以下内容： +-------------------+-----------------+----------+---------+----------+--------+--------------+
| Family | Genus | Species | hasHair | laysEggs | canFly | hasLongHorns |
+-------------------+-----------------+----------+---------+----------+--------
浏览 14提问于2020-10-01得票数 0
2回答
我有一个相当大的DataFrame，比如600个索引，并且希望使用筛选条件来生成DataFrame的简化版本，其中条件是真的。从我所做的研究来看，当您将表达式应用到数据并且已经知道您正在操作的索引时，过滤工作得很好。然而，我想要做的是将过滤标准应用于索引。见下面的例子。
MultiIndex为粗体，MultiIndex名称为斜体。
我想应用以下(或其他)这样的标准：
df = df[MultiIndex.query('base == 115 & Al.isin(stn)')]
那就做这样的事：
df = df.transpose()[MultiIndex.qu
浏览 5提问于2020-02-08得票数 1
回答已采纳
1回答
设置
np.random.seed(0)
iix = pd.MultiIndex.from_product([['bar', 'baz', 'foo'],['one', 'two']])
df = pd.DataFrame(np.random.randn(3, 6), columns=iix)
Out[120]:
bar baz foo
one two one two o
浏览 2提问于2020-01-02得票数 3
回答已采纳
我有一个带熊猫MultiIndex的Dataframe：
In [1]: import pandas as pd
In [2]: multi_index = pd.MultiIndex.from_product([['CAN','USA'],['total']],names=['country','sex'])
In [3]: df = pd.DataFrame({'pop':[35,318]},index=multi_index)
In [4]: df
Out[4]:
浏览 3提问于2015-02-27得票数 22
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
