按列名拆分数据帧中的多索引数据帧

Question

我有一个如下所示的数据帧： Multi-index dataframe by columns

我想得到3个数据帧，每个列命名（指南针、加速度、陀螺仪），时间索引保持不变，每个列命名三个数据帧（df1、df2、df3）

我试过了 for index,row in df.iterrows(): 但我真的无法让它发挥作用 我在想一些事情{}和{}，但我真的不知道怎么做

Answer 1

您可以将前3列保存在csv文件中，并对其他csv文件重复该过程2次以上

您可以选择数据框中的3列，如下所示：

x = 0
data=pd.read_csv(file.csv, keep_default_na=False, skiprows=line_header, na_filter=False, usecols=[x,x+1,x+2])[[compass, accel, gyro]])

其中x=您的“大数据帧”的第一列

在这种情况下，usecols属性非常有用

您可以在：Pandas.read_csv中阅读更多有关的信息

Answer 2

groupby允许您使用相同的级别_值沿多索引级别拆分数据帧。我们将使用DataFrame.xs删除分组索引级别，只留下您关心的列。单独的数据帧存储在字典中，由原始列MultiIndex的唯一级别1值设置关键字

样本数据

import pandas as pd
import numpy as np
np.random.seed(123)
df = pd.DataFrame(np.random.randint(1, 10, (4, 9)),
                  columns=pd.MultiIndex.from_product([['df1', 'df2', 'df3'],
                                                      ['compass', 'gyro', 'accel']]))
#      df1                df2                df3           
#  compass gyro accel compass gyro accel compass gyro accel
#0       3    3     7       2    4     7       2    1     2
#1       1    1     4       5    1     1       5    2     8
#2       4    3     5       8    3     5       9    1     8
#3       4    5     7       2    6     7       3    2     9

代码

d = {idx: gp.xs(idx, level=1, axis=1) for idx,gp in df.groupby(level=1, axis=1)}
d['gyro']
#   df1  df2  df3
#0    3    4    1
#1    1    1    2
#2    3    3    1
#3    5    6    2

由于groupby可以很容易地使用这种拆分，因此您甚至不需要存储单独的数据帧；您可以使用GroupBy.apply分别操纵它们