python - 使用pandas read_csv方法进行Python多级索引

我想将下表作为熊猫数据框阅读



说数据框是df，目的是查询
df ['acct_id'] ['A'] ['0-3_mon]应该给我10

我已经完成了面板数据的准备工作，其中所有内容都是一列，然后您为横截面和时间序列创建了一个多级索引。

但是在这里，源数据本身具有两个以上级别的列。如何将此csv读为多级索引？我被困在这里，任何想法。

如果您想看一些类似的作品-
https://lectures.quantecon.org/py/pandas_panel.html

非常感谢。

最佳答案

用DataFrame创建MultiIndex，因为deprecate panel：

df = pd.read_csv(file, header=[0,1], index_col=[0])

然后按slicers选择：

idx = pd.IndexSlice
print (df.loc[1, idx['A', '0-3_mon']])

样本：无Multindex名称：

import pandas as pd

temp=u"""A;A;B;B
0-3_mon;3-6_mon;0-3_mon;3-6_mon
1;10;12;14;18
2;11;15;17;19
3;13;16;21;20"""
#after testing replace 'pd.compat.StringIO(temp)' to 'filename.csv'
df = pd.read_csv(pd.compat.StringIO(temp), sep=";", header=[0,1])
print (df)
        A               B
  0-3_mon 3-6_mon 0-3_mon 3-6_mon
1      10      12      14      18
2      11      15      17      19
3      13      16      21      20

print (df.columns)
MultiIndex(levels=[['A', 'B'], ['0-3_mon', '3-6_mon']],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]])

idx = pd.IndexSlice
print (df.loc[1, idx['A', '0-3_mon']])
10

指定名称为MultiIndex的样本：

import pandas as pd

temp=u"""acct_id;A;A;B;B
level;0-3_mon;3-6_mon;0-3_mon;3-6_mon
1;10;12;14;18
2;11;15;17;19
3;13;16;21;20"""
#after testing replace 'pd.compat.StringIO(temp)' to 'filename.csv'
df = pd.read_csv(pd.compat.StringIO(temp), sep=";", index_col=[0], header=[0,1])
print (df)
acct_id       A               B
level   0-3_mon 3-6_mon 0-3_mon 3-6_mon
1            10      12      14      18
2            11      15      17      19
3            13      16      21      20

print (df.columns)

MultiIndex(levels=[['A', 'B'], ['0-3_mon', '3-6_mon']],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]],
           names=['acct_id', 'level'])

idx = pd.IndexSlice
print (df.loc[1, idx['A', '0-3_mon']])
10

关于python - 使用pandas read_csv方法进行Python多级索引，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52077487/