我无法访问包含nan
的索引位置的值,我想知道如何解决这个问题。(在我的项目中,这个索引有非常特殊的意义,我真的需要保留它,否则我需要做一些肮脏的手工修改:"总有解决方案";即使它是一个非常糟糕的)。
df
Out
temp_playlist objId
0 o1 [0, 6]
o2 [1, 4]
o3 [2, 5]
o4 [8, 9, 12]
o5 [10, 13]
o6 [11, 14]
NaN [3, 7]
Name: x, dtype: object
df.index
Out
MultiIndex([(0, 'o1'),
(0, 'o2'),
(0, 'o3'),
(0, 'o4'),
(0, 'o5'),
(0, 'o6'),
(0, nan)],
names=['temp_playlist', 'objId'])
现在我想访问[3, 7]
值作为df.loc[(0, np.nan)]
,并获得KeyError: (0, nan)
错误。
只是把它放在角度:[df.loc[idx] for idx in df.index if not pd.isna(idx[1])]
工作正常,因为我跳过了有问题的索引。
我错过了什么,我该如何解决这个问题?
(Windows 10, python 3.8.5, pandas 1.3.1, numpy 1.20.3,报告给pandas)
更新
我可以在分组和聚合数据帧后重现您的错误。
>>> import pandas as pd
>>> data = pd.DataFrame({
... "temp_playlist": [0] * 15,
... "objId": ['o1'] * 2 + ['o2'] * 2 + ['o3'] * 2 + ['o4'] * 3 + ['o5'] * 2 + ['o6'] * 2 + [pd.NA] * 2,
... "vals": [0, 6, 1, 4, 2, 5, 8, 9, 12, 10, 13, 11, 14, 3, 7]
... })
>>> df = data.groupby(["temp_playlist", "objId"], dropna=False).agg(list)
>>> df.loc[(0, pd.NA)]
Traceback (most recent call last):
File "/home/ec2-user/miniconda3/envs/so-pandas-nan-index/lib/python3.8/site-packages/pandas/core/indexes/base.py", line 3361, in get_loc
return self._engine.get_loc(casted_key)
File "pandas/_libs/index.pyx", line 76, in pandas._libs.index.IndexEngine.get_loc
File "pandas/_libs/index.pyx", line 108, in pandas._libs.index.IndexEngine.get_loc
File "pandas/_libs/hashtable_class_helper.pxi", line 5198, in pandas._libs.hashtable.PyObjectHashTable.get_item
File "pandas/_libs/hashtable_class_helper.pxi", line 5206, in pandas._libs.hashtable.PyObjectHashTable.get_item
KeyError: <NA>
传入一个显式MultiIndex也可以。
>>> df.loc[pd.MultiIndex.from_tuples([(0, pd.NA)], names=["temp_playlist", "objId"])]
vals
temp_playlist objId
0 NaN [3, 7]
>>> df.loc[pd.MultiIndex.from_tuples([(0, pd.NA)])]
vals
0 NaN [3, 7]
使用单个元组返回数据帧也是如此。注意使用[[]]
返回一个DataFrame。
>>> df.loc[[(0, pd.NA)]]
vals
temp_playlist objId
0 NaN [3, 7]
DataFrame.reindex
也是如此(参见关于驯鹿的用户指南)。
>>> df.reindex([(0, pd.NA)])
vals
temp_playlist objId
0 NaN [3, 7]
原始尝试重现错误
我无法复制你的错误。你可以在下面看到使用df.loc[(0, np.nan)]
是有效的。
Python 3.8.5 (default, Sep 4 2020, 07:30:14)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
>>> import pandas as pd
>>> nan_index = pd.MultiIndex.from_tuples([(0, 'o1'),
(0, 'o2'),
(0, 'o3'),
(0, 'o4'),
(0, 'o5'),
(0, 'o6'),
(0, np.nan)])
>>> print(nan_index)
MultiIndex([(0, 'o1'),
(0, 'o2'),
(0, 'o3'),
(0, 'o4'),
(0, 'o5'),
(0, 'o6'),
(0, nan)],
)
>>> rng = np.random.default_rng(42)
>>> vals = [rng.choice(20, 2) for i in range(nan_index.shape[0])]
>>> print(vals)
[array([ 1, 15]), array([13, 8]), array([ 8, 17]), array([ 1, 13]), array([4, 1]), array([10, 19]), array([14, 15])]
>>> df = pd.DataFrame({"vals": vals}, index=nan_index)
>>> print(df)
vals
0 o1 [1, 15]
o2 [13, 8]
o3 [8, 17]
o4 [1, 13]
o5 [4, 1]
o6 [10, 19]
NaN [14, 15]
>>> print(df.loc[(0, 'o1')])
vals [1, 15]
Name: (0, o1), dtype: object
>>> print(df.loc[(0, np.nan)])
vals [14, 15]
Name: (0, nan), dtype: object
>>> print(pd.__version__)
1.3.1
然后我注意到你的索引打印为(0, nan)
,而我的是(0, np.nan)
。不同之处在于我使用的是np.nan
,而我怀疑你使用的是pd.NA
。
>>> nan_index = pd.MultiIndex.from_tuples([(0, 'o1'),
(0, 'o2'),
(0, 'o3'),
(0, 'o4'),
(0, 'o5'),
(0, 'o6'),
(0, pd.NA)])
>>> nan_index
MultiIndex([(0, 'o1'),
(0, 'o2'),
(0, 'o3'),
(0, 'o4'),
(0, 'o5'),
(0, 'o6'),
(0, nan)],
)
>>> df = pd.DataFrame({"vals": vals}, index=nan_index)
>>> df
vals
0 o1 [1, 15]
o2 [13, 8]
o3 [8, 17]
o4 [1, 13]
o5 [4, 1]
o6 [10, 19]
NaN [14, 15]
然而,这并没有解决差异。我仍然可以使用df.loc[(0, np.nan)]
.
>>> df.loc[(0, pd.NA)]
vals [14, 15]
Name: (0, nan), dtype: object
>>> df.loc[(0, np.nan)]
vals [14, 15]
Name: (0, nan), dtype: object
此外,我还能够使用df.loc[(0, None)]
。
>>> df.loc[(0, None)]
vals [14, 15]
Name: (0, nan), dtype: object
确认一下,np.nan
、pd.NA
和None
都是不同的对象。当与DataFrame.loc
一起使用时,Pandas必须对它们进行相同的处理。
>>> pd.NA is np.nan
False
>>> pd.NA is None
False
>>> np.nan is None
False
>>> type(pd.NA)
<class 'pandas._libs.missing.NAType'>
>>> type(np.nan)
<class 'float'>
将NaN
替换为NA
的想法:
i = pd.MultiIndex.from_tuples([(0, 'o1'),
(0, 'o2'),
(0, 'o3'),
(0, 'o4'),
(0, 'o5'),
(0, 'o6'),
(0, np.nan)])
df = pd.DataFrame({'a':0}, index=i)
df = df.rename(lambda x: 'NA' if pd.isna(x) else x, level=1)
print (df)
a
0 o1 0
o2 0
o3 0
o4 0
o5 0
o6 0
NA 0
df.loc[(0, 'NA')]
一个"糟糕的解决方案",它没有真正解决潜在的问题,但提供了一个有效的解决方案,将索引转换为字符串(str
构造函数在这里能够产生惊人的结果)。
df.index = [str(idx) for idx in df.index]
df
Out
(0, 'o1') [0, 6]
(0, 'o2') [1, 4]
(0, 'o3') [2, 5]
(0, 'o4') [8, 9, 12]
(0, 'o5') [10, 13]
(0, 'o6') [11, 14]
(0, nan) [3, 7]
Name: x, dtype: object
df.index
Out
Index(['(0, 'o1')', '(0, 'o2')', '(0, 'o3')', '(0, 'o4')', '(0, 'o5')',
'(0, 'o6')', '(0, nan)'],
dtype='object')
xy_data[0].loc['(0, nan)'] # or
xy_data[0].loc[str((0, nan))]