我有一个带有 4 个多索引级别的 Pandas 数据框。我正在尝试为每个 1 级索引选择具有不同 4 级索引的行。
例子:
In [68]: df = pd.DataFrame({'i1':[1,1,1,2,2,2],
'i2':[1,1,2,1,1,2],
'i3':[1,1,1,1,1,1],
'i4':[0,1,2,0,1,2],
'data':[1,1,2,2,1,1]}).set_index(['i1','i2','i3','i4'])
In [69]: df
Out[69]:
data
i1 i2 i3 i4
1 1 1 0 1
1 1
2 1 2 2
2 1 1 0 2
1 1
2 1 2 1
现在我想获得如下索引:
[0, 1] 中的索引 i4 用于索引 i1 = 1
[1, 2] 中的索引 i4 用于索引 i1 = 2
data
i1 i2 i3 i4
1 1 1 0 1
1 1
2 1 1 1 1
2 1 2 1
现在这有效:
cond1 = (df.index.get_level_values('i1') == 1) & (df.index.get_level_values('i4').isin([0,1]))
cond2 = (df.index.get_level_values('i1') == 2) & (df.index.get_level_values('i4').isin([1,2]))
.
.
.
condN = ...
df[cond1 | cond2 | ... | condN]
但它看起来像一个糟糕的解决方案。
有什么聪明的方法可以做到这一点吗?
最佳答案
您可以使用 IndexSlice
使这更容易一些,如下所示:
idx = pd.IndexSlice
index1 = idx[1, :, :, 0:1]
index2 = idx[2, :, :, 1:2]
pd.concat([df.loc[index1], df.loc[index2]])
如果您需要创建许多索引,您可以将这些索引存储在一个数据帧中并迭代该数据帧以创建您的各种切片,然后在
pd.concat
中使用列表理解来获得您的最终对象。下面,假设 x['id1'] 是您希望 id1
具有的值,并且我还假设您希望限制相同的两个索引列。indices = [
idx[
x['id1'],
lambda x['id2']: x['id2'] or slice(None),
lambda x['id3']: x['id3'] or slice(None),
x['id4']
] for x in index_df.iterrows()
]
pd.concat([df.loc[i] for i in indices])
关于python - 如何使用多索引的依赖级别对多索引数据帧进行切片,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/33941208/