我希望获取一个具有多索引的数据帧,并使用另一个包含数据帧级别严格子集的(多(索引对其进行索引。数据帧中不在另一个(多(索引中的级别应返回所有行。举个例子:
>>> df
col
num chr
1 a 0.845402
b 0.099432
c 0.507409
2 a 0.684363
b 0.582436
c 0.666528
>>> df['col'].unstack('chr').mean()
chr
a 0.764883
b 0.340934
c 0.586968
dtype: float64
>>> df['col'].unstack('chr').mean().nsmallest(2)
chr
b 0.340934
c 0.586968
dtype: float64
>>> df['col'].unstack('chr').mean().nsmallest(2).index
Index(['b', 'c'], dtype='object', name='chr')
现在,我想返回包含'chr'
级别中'b'
或'c'
的所有df
行,以及'num'
级别中的任何值。此外,我想尝试同样的事情,其中最后一步返回的索引是MultiIndex
(即,当df
的索引有两个以上的级别时(:
>>> df
col
num chr foo
1 a bar 0.790995
baz 0.883363
b bar 0.240376
baz 0.309544
c bar 0.637943
baz 0.265628
2 a bar 0.783172
baz 0.612230
b bar 0.729979
baz 0.846814
c bar 0.809676
baz 0.821503
>>> df['col'].unstack(['chr', 'foo']).mean()
chr foo
a bar 0.787084
baz 0.747796
b bar 0.485177
baz 0.578179
c bar 0.723809
baz 0.543565
dtype: float64
>>> df['col'].unstack(['chr', 'foo']).mean().nsmallest(2)
chr foo
b bar 0.485177
c baz 0.543565
dtype: float64
>>> df['col'].unstack(['chr', 'foo']).mean().nsmallest(2).index
MultiIndex(levels=[['a', 'b', 'c'], ['bar', 'baz']],
labels=[[1, 2], [0, 1]],
names=['chr', 'foo'])
我想选择索引包含最后两个级别中的('b', 'bar')
或('c', 'baz')
以及'num'
级别中的任何值的所有df
行。
我只能用get_level_values
和isin
s=df['col'].mean(level=[1,2]).nsmallest(2).index.tolist()
df[pd.Series(list(zip(df.index.get_level_values(1),df.index.get_level_values(2)))).isin(s).values]
Out[163]:
col
num chr foo
1 b bar 0.240376
c baz 0.265628
2 b bar 0.729979
c baz 0.821503
最干净的解决方案可能是单独检索所需的行并pd.concat
它们。对于Index
解决方案:
idx = df['col'].unstack(['chr', 'foo']).mean().nsmallest(2).index
selected = pd.concat([df.xs(label, level=idx.name, drop_level=False)
for label in idx],
axis=0)
当idx
是MultiIndex
时,请改用level=idx.names
。