什么是沿索引和列分割多索引数据帧的通用方法?你知道吗
文档是密集的、完整的,值得一读(https://pandas.pydata.org/pandas-docs/stable/user_guide/advanced.html),关于堆栈溢出有许多答案,这些答案回答了如何在“行”或“列”上实现它(这个答案非常全面,Select rows in pandas MultiIndex DataFrame)。但是,我想要一个更直截了当的答案,有同时处理两者的例子。你知道吗
cols_index = pd.MultiIndex.from_product([['a','b','c'],
['x','y','z']], names=['first','second'])
rows_index = pd.MultiIndex.from_product([['d','e','f'],
['u','v','w']], names=['third','fourth'])
df = pd.DataFrame(np.random.choice(10, (9,9)), index=rows_index, columns=cols_index)
df
Out[161]:
first a b
second c d c d
third e f e f e f e f
fourth fifth
j m 9 8 0 1 5 6 3 5
n 1 2 3 3 5 5 4 2
o 5 2 4 7 3 1 0 4
k m 6 6 3 3 4 4 1 7
n 0 6 0 9 2 3 7 5
o 7 8 0 9 7 8 3 4
l m 4 7 4 3 0 5 6 3
n 0 4 3 9 9 5 8 4
o 0 1 8 0 8 9 4 7
我想看到一些例子,这些例子将这个问题分解为索引和列中的级别组合。你知道吗
使用loc和索引切片器对索引和列级别进行切片
idx=pd.IndexSlice公司你知道吗
选择所有内容-注意“:”对应于索引和列中的级别数
你知道吗测向位置[idx[:,:],idx[:,:,:]
选择特定的“单元格”
你知道吗测向位置[idx['j','m'],idx['a','c','f']]
从索引中选择一级,从列中选择一级
你知道吗测向位置[idx[:,'m'],idx[:,'c',:]]
列级别的唯一组合的子集
你知道吗测向位置[:,idx['b','d','f']]
从子集到索引级别的唯一组合
你知道吗测向位置[idx['k','o',:]
相关问题 更多 >
编程相关推荐