<强>在multiIndex中选定指定索引的行强>
我们在用熊猫类似groupby来使用多重指数时,有时想要对多个级别中的某个指数对应的行进行操作,就需要在dataframe中找到该指数对应的行,在单层指数中我们可以方便的使用df.loc(指数)来选择,在多重指数中我们可以利用的类似的思路,然而其中也有一些小坑,记录如下。
<强> 1.1创建测试数据强>
首先创建一个dataframe数据
df=pd.DataFrame({‘类’:[' A ', ' ', ' ', ' B ', ' B ', ' B ', ' C ', ' C '], “id”: [a, b, c, ' ', ' b ', ' c ', ' ', ' b '], “价值”:[1,2,3,4,5,6,7,8)})
df中内容如下图:
<强> 1.2设置multiIndex 强>
通过set_index设为多重索引
df=df.set_index([“类”、“id”])
设置索引后效果:
<强> 1.3切片筛选指数强>
这里同样使用loc定位
df.loc [(A片(没有),:]
各参数的解释如下:
loc [(a、b), c]中第一个参数元组为索引内容,一个为level0索引对应的内容,b为使索引对应的内容
因为df是一个dataframe,所以要用c来指定列
这里“一”,指选择类中一个类的
片(无),是Python中的切片操作,这里用来选择任意的id,要注意!不能使用“:”来指定任意指数
‘:’,用来指定dataframe任意的列
执行后的结果如下:
同样,如果想只保留id中的“一个”,则可以使用:
df.loc[(片(无)、“a”),:]
前面的例子对应的索引列为数字或字母,是有序的,接下来我们看看索引列为中文的情况。
<强> 2.1创建无序测试数据强>
df2=pd.DataFrame({的课程”:[‘语文”、“语文”,“数学”,“数学”),“得”分:['最高”,“最低”,“最高”,“最低的),“分”值:(90、50100、60)}) df2=df2.set_index(['课程”、“得”分])
<强> 2.2尝试切片选择指数强>
df2.loc[(“语文”,片(没有),:]
我们进行同样的操作,这时会发现提示出错:
UnsortedIndexError:“MultiIndex切片需要完全lexsorted元组索引len (2), lexsort深度(0)”
这是因为此时的指数无法进行排序,在熊猫文档中提到:而且如果你试图指数没有完全lexsorted的东西,这可以提高:
我们可以通过df2.index.is_lexsorted()来检查指数是否有序,
在[1]:df2.index.is_lexsorted () [1]:假
接下来,我们尝试对指数进行排序。(排序时要在级里指定索引名)
<强> 2.3对指数排序后切片选择指数强>
df2=df2.sort_index(水平='课程”)
df2.loc[(“语文”,片(没有),:]
得到了我们想要的结果。
参考文献:pandas-docs-MultiIndex/高级索引
以上这篇在熊猫多重索引multiIndex中选定指定索引的行方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。