问题:在熊猫MultiIndex DataFrame中选择行
选择/过滤索引为MultiIndex的数据框的行的最常见的熊猫方法是什么?
- 根据单个值/标签切片
- 根据一个或多个级别的多个标签进行切片
- 过滤布尔条件和表达式
- 哪种方法在什么情况下适用
为简单起见的假设:
- 输入数据框没有重复的索引键
- 下面的输入数据框只有两个级别。(此处显示的大多数解决方案一般都适用于N级)
输入示例:
mux = pd.MultiIndex.from_arrays([ list('aaaabbbbbccddddd'), list('tuvwtuvwtuvwtuvw') ], names=['one', 'two']) df = pd.DataFrame({'col': np.arange(len(mux))}, mux) col one two a t 0 u 1 v 2 w 3 b t 4 u 5 v 6 w 7 t 8 c u 9 v 10 d w 11 t 12 u 13 v 14 w 15
问题1:选择单个项目
如何选择在“一个”级别中具有“ a”的行?
col
one two
a t 0
u 1
v 2
w 3
另外,我如何在输出中将级别“一”降低?
col
two
t 0
u 1
v 2
w 3
问题1b
如何在级别“ two”上切片所有值为“ t”的行?
col
one two
a t 0
b t 4
t 8
d t 12
问题2:在一个级别中选择多个值
如何在级别“ one”中选择与项目“ b”和“ d”相对应的行?
col
one two
b t 4
u 5
v 6
w 7
t 8
d w 11
t 12
u 13
v 14
w 15
问题2b
我如何获得与“二”级中的“ t”和“ w”相对应的所有值?
col
one two
a t 0
w 3
b t 4
w 7
t 8
d w 11
t 12
w 15
问题3:切片单个横截面 (x, y)
如何检索横截面,即具有从中为索引指定值的单行df
?具体来说,我如何检索的横截面('c', 'u')
,由
col
one two
c u 9
问题4:切片多个横截面 [(a, b), (c, d), ...]
如何选择与('c', 'u')
和相对应的两行('a', 'w')
?
col
one two
c u 9
a w 3
问题5:每个级别切成一个项目
如何检索与“一级”中的“ a”或“二级”中的“ t”相对应的所有行?
col
one two
a t 0
u 1
v 2
w 3
b t 4
t 8
d t 12
问题6:任意切片
如何切特定的横截面?对于“ a”和“ b”,我想选择子级别为“ u”和“ v”的所有行,对于“ d”,我想选择子级别为“ w”的行。
col
one two
a u 1
v 2
b u 5
v 6
d w 11
w 15
问题7将使用由数字级别组成的唯一设置:
np.random.seed(0) mux2 = pd.MultiIndex.from_arrays([ list('aaaabbbbbccddddd'), np.random.choice(10, size=16) ], names=['one', 'two']) df2 = pd.DataFrame({'col': np.arange(len(mux2))}, mux2) col one two a 5 0 0 1 3 2 3 3 b 7 4 9 5 3 6 5 7 2 8 c 4 9 7 10 d 6 11 8 12 8 13 1 14 6 15
问题7:按数字不等式对多索引的各个级别进行过滤
如何获得“二级”中的值大于5的所有行?
col
one two
b 7 4
9 5
c 7 10
d 6 11
8 12
8 13
6 15
注意:本文将不介绍如何创建MultiIndexes,如何对其执行赋值操作或任何与性能相关的讨论(这些是下次的单独主题)。
回答 0
多索引/高级索引
注意:
此帖子的结构如下:
- 操作规范中提出的问题将一一解决
- 对于每个问题,将演示一种或多种适用于解决该问题并获得预期结果的方法。
注意 s(非常类似于此内容)将被提供给有兴趣学习更多功能,实现细节和其他手头主题信息的读者。这些注释是通过搜集文档并发现各种晦涩难懂的功能,以及从我自己的(公认的有限)经验中编写的。
所有代码示例均已在pandas v0.23.4,python3.7上创建并测试。如果有不清楚的地方,或者实际上是不正确的,或者您找不到适用于您的用例的解决方案,请随时提出修改建议,在注释中要求澄清,或打开一个新问题…… 。
这是对一些常见习语(以下称为“四个习语”)的介绍,我们将经常对其进行复习。
DataFrame.loc
-按标签选择的一般解决方案(+pd.IndexSlice
表示涉及切片的更复杂应用)DataFrame.xs
-从Series / DataFrame中提取特定的横截面。DataFrame.query
-动态指定切片和/或过滤操作(即,作为动态评估的表达式。比其他情况更适用于某些方案。另请参阅文档的此部分以查询MultiIndexes。使用生成的掩码进行布尔索引
MultiIndex.get_level_values
(通常与结合使用Index.isin
,尤其是在使用多个值进行过滤时)。在某些情况下这也很有用。
从四个习语的角度来看各种切片和过滤问题,将有助于更好地理解可以应用于给定情况的内容,这将是有益的。非常重要的一点是要了解,并非所有习惯用法在每种情况下都一样有效(如果有的话)。如果没有将成语列为以下问题的潜在解决方案,则意味着该成语不能有效地应用于该问题。
问题1
如何选择在“一个”级别中具有“ a”的行?
col one two a t 0 u 1 v 2 w 3
您可以将loc
用作适用于大多数情况的通用解决方案:
df.loc[['a']]
此时,如果您得到
TypeError: Expected tuple, got str
这意味着您使用的是旧版熊猫。考虑升级!否则,请使用df.loc[('a', slice(None)), :]
。
或者,您可以xs
在这里使用,因为我们要提取单个横截面。请注意levels
和axis
参数(此处可以采用合理的默认值)。
df.xs('a', level=0, axis=0, drop_level=False)
# df.xs('a', drop_level=False)
在这里,drop_level=False
需要使用参数来防止xs
在结果(我们切入的水平)上降低“一级”。
这里的另一个选择是使用query
:
df.query("one == 'a'")
如果索引没有名称,则需要将查询字符串更改为"ilevel_0 == 'a'"
。
最后,使用get_level_values
:
df[df.index.get_level_values('one') == 'a']
# If your levels are unnamed, or if you need to select by position (not label),
# df[df.index.get_level_values(0) == 'a']
另外,我如何在输出中将级别“一”降低?
col two t 0 u 1 v 2 w 3
使用以下任一方法均可轻松完成此操作
df.loc['a'] # Notice the single string argument instead the list.
要么,
df.xs('a', level=0, axis=0, drop_level=True)
# df.xs('a')
注意,我们可以省略该drop_level
参数(True
默认情况下假定为该参数)。
注意
您可能会注意到,经过过滤的DataFrame可能仍然具有所有级别,即使在打印出DataFrame时不显示它们也是如此。例如,v = df.loc[['a']] print(v) col one two a t 0 u 1 v 2 w 3 print(v.index) MultiIndex(levels=[['a', 'b', 'c', 'd'], ['t', 'u', 'v', 'w']], labels=[[0, 0, 0, 0], [0, 1, 2, 3]], names=['one', 'two'])
您可以使用以下方法消除这些级别
MultiIndex.remove_unused_levels
:v.index = v.index.remove_unused_levels() print(v.index) MultiIndex(levels=[['a'], ['t', 'u', 'v', 'w']], labels=[[0, 0, 0, 0], [0, 1, 2, 3]], names=['one', 'two'])
问题1b
如何在级别“ two”上切片所有值为“ t”的行?
col one two a t 0 b t 4 t 8 d t 12
直观地讲,您需要包含以下内容slice()
:
df.loc[(slice(None), 't'), :]
它就是行得通!™,但是笨拙。我们可以在pd.IndexSlice
此处使用API 促进更自然的切片语法。
idx = pd.IndexSlice
df.loc[idx[:, 't'], :]
这要干净得多。
注意
为什么:
需要跨列的尾随切片?这是因为loc
可以用于沿两个轴(axis=0
或axis=1
)进行选择和切片。没有明确说明要在哪个轴上进行切片,操作将变得模棱两可。请参阅切片文档中的红色大框。如果要消除任何歧义,请
loc
接受一个axis
参数:df.loc(axis=0)[pd.IndexSlice[:, 't']]
如果没有该
axis
参数(即仅执行df.loc[pd.IndexSlice[:, 't']]
),则假定切片在列上,并且KeyError
在这种情况下将引发a 。切片器中对此进行了记录。但是,出于本文的目的,我们将明确指定所有轴。
用xs
,它是
df.xs('t', axis=0, level=1, drop_level=False)
用query
,它是
df.query("two == 't'")
# Or, if the first level has no name,
# df.query("ilevel_1 == 't'")
最后,通过get_level_values
,您可以
df[df.index.get_level_values('two') == 't']
# Or, to perform selection by position/integer,
# df[df.index.get_level_values(1) == 't']
全部达到相同的效果。
问题2
如何在级别“ one”中选择与项目“ b”和“ d”相对应的行?
col one two b t 4 u 5 v 6 w 7 t 8 d w 11 t 12 u 13 v 14 w 15
使用loc,可以通过指定列表以类似方式完成此操作。
df.loc[['b', 'd']]
要解决选择“ b”和“ d”的上述问题,您还可以使用query
:
items = ['b', 'd']
df.query("one in @items")
# df.query("one == @items", parser='pandas')
# df.query("one in ['b', 'd']")
# df.query("one == ['b', 'd']", parser='pandas')
注意:
是的,默认解析器为'pandas'
,但重要的是要突出此语法不是python。Pandas解析器从表达式生成的解析树略有不同。这样做是为了使某些操作更直观地指定。有关更多信息,请阅读我关于 使用pd.eval()在熊猫中进行动态表达评估的文章。
并且,用get_level_values
+ Index.isin
:
df[df.index.get_level_values("one").isin(['b', 'd'])]
问题2b
我如何获得与“第二”级别中的“ t”和“ w”相对应的所有值?
col one two a t 0 w 3 b t 4 w 7 t 8 d w 11 t 12 w 15
使用loc
,只有与结合使用才有可能pd.IndexSlice
。
df.loc[pd.IndexSlice[:, ['t', 'w']], :]
中的第一个冒号:
是pd.IndexSlice[:, ['t', 'w']]
指跨越第一级。随着要查询的级别的深度增加,您将需要指定更多的切片,每个级别将切片一个。您不需要指定多层次超越但被切片的一个。
使用query
,这是
items = ['t', 'w']
df.query("two in @items")
# df.query("two == @items", parser='pandas')
# df.query("two in ['t', 'w']")
# df.query("two == ['t', 'w']", parser='pandas')
与get_level_values
和Index.isin
(类似于上面):
df[df.index.get_level_values('two').isin(['t', 'w'])]
问题3
如何检索横截面,即具有从中为索引指定值的单行
df
?具体来说,我如何检索的横截面('c', 'u')
,由col one two c u 9
loc
通过指定键元组来使用:
df.loc[('c', 'u'), :]
要么,
df.loc[pd.IndexSlice[('c', 'u')]]
注意
此时,您可能会遇到PerformanceWarning
如下所示的:PerformanceWarning: indexing past lexsort depth may impact performance.
这仅表示您的索引未排序。大熊猫取决于要进行最佳搜索和检索的索引(在这种情况下,按字典顺序排序,因为我们正在处理字符串值)。一种快速的解决方法是使用预先对DataFrame进行排序
DataFrame.sort_index
。如果您计划一并执行多个此类查询,那么从性能角度来看,这是特别理想的:df_sort = df.sort_index() df_sort.loc[('c', 'u')]
您还可以
MultiIndex.is_lexsorted()
用来检查索引是否已排序。此函数返回True
或False
相应地。您可以调用此函数来确定是否需要其他排序步骤。
使用xs
,这再次简单地传递了一个元组作为第一个参数,而所有其他参数都设置为其适当的默认值:
df.xs(('c', 'u'))
使用query
,事情变得有些笨拙:
df.query("one == 'c' and two == 'u'")
您现在可以看到,这将很难一概而论。但是对于这个特定问题仍然可以。
跨多个级别的访问get_level_values
仍然可以使用,但不建议这样做:
m1 = (df.index.get_level_values('one') == 'c')
m2 = (df.index.get_level_values('two') == 'u')
df[m1 & m2]
问题4
如何选择与
('c', 'u')
和相对应的两行('a', 'w')
?col one two c u 9 a w 3
使用loc
,这仍然很简单:
df.loc[[('c', 'u'), ('a', 'w')]]
# df.loc[pd.IndexSlice[[('c', 'u'), ('a', 'w')]]]
使用query
,您将需要通过遍历横截面和层次来动态生成查询字符串:
cses = [('c', 'u'), ('a', 'w')]
levels = ['one', 'two']
# This is a useful check to make in advance.
assert all(len(levels) == len(cs) for cs in cses)
query = '(' + ') or ('.join([
' and '.join([f"({l} == {repr(c)})" for l, c in zip(levels, cs)])
for cs in cses
]) + ')'
print(query)
# ((one == 'c') and (two == 'u')) or ((one == 'a') and (two == 'w'))
df.query(query)
100%不推荐!但是有可能。
问题5
如何检索与“一级”中的“ a”或“二级”中的“ t”相对应的所有行?
col one two a t 0 u 1 v 2 w 3 b t 4 t 8 d t 12
loc
在确保正确性并仍保持代码清晰的同时,这实际上很难做到。df.loc[pd.IndexSlice['a', 't']]
不正确,将其解释为df.loc[pd.IndexSlice[('a', 't')]]
(即选择横截面)。您可能会想到一种解决方案,pd.concat
可以单独处理每个标签:
pd.concat([
df.loc[['a'],:], df.loc[pd.IndexSlice[:, 't'],:]
])
col
one two
a t 0
u 1
v 2
w 3
t 0 # Does this look right to you? No, it isn't!
b t 4
t 8
d t 12
但是您会注意到其中一行是重复的。这是因为该行同时满足两个切片条件,因此出现了两次。您将需要做
v = pd.concat([
df.loc[['a'],:], df.loc[pd.IndexSlice[:, 't'],:]
])
v[~v.index.duplicated()]
但是,如果您的DataFrame固有地包含重复的索引(所需),那么它将不会保留它们。 使用时要格外小心。
使用query
,这非常简单:
df.query("one == 'a' or two == 't'")
使用get_level_values
,这仍然很简单,但并不那么优雅:
m1 = (df.index.get_level_values('one') == 'a')
m2 = (df.index.get_level_values('two') == 't')
df[m1 | m2]
问题6
如何切特定的横截面?对于“ a”和“ b”,我想选择子级别为“ u”和“ v”的所有行,对于“ d”,我想选择子级别为“ w”的行。
col one two a u 1 v 2 b u 5 v 6 d w 11 w 15
我添加了这是一个特殊情况,以帮助理解四个惯用语的用法-这是其中的任何一个都无法有效工作的情况,因为切片非常具体,并且没有遵循任何实际模式。
通常,像这样的切片问题将需要将键列表显式传递给loc
。一种方法是:
keys = [('a', 'u'), ('a', 'v'), ('b', 'u'), ('b', 'v'), ('d', 'w')]
df.loc[keys, :]
如果要保存一些键入内容,您将认识到存在一种切片“ a”,“ b”及其子级别的模式,因此我们可以将切片任务分为两部分和concat
结果:
pd.concat([
df.loc[(('a', 'b'), ('u', 'v')), :],
df.loc[('d', 'w'), :]
], axis=0)
“ a”和“ b”的切片规范稍微清晰一些,(('a', 'b'), ('u', 'v'))
因为被索引的相同子级别对于每个级别都是相同的。
问题7
如何获得“二级”中的值大于5的所有行?
col one two b 7 4 9 5 c 7 10 d 6 11 8 12 8 13 6 15
这是可以做到用query
,
df2.query("two > 5")
和get_level_values
。
df2[df2.index.get_level_values('two') > 5]
注意
类似于此示例,我们可以使用这些构造基于任意条件进行过滤。在一般情况下,要记住,这是非常有用的loc
,并xs
是专为基于标签的索引,而query
并get_level_values
是构建一般条件口罩用于过滤很有帮助。
奖金问题
如果我需要对
MultiIndex
列进行切片怎么办?
实际上,此处的大多数解决方案也适用于色谱柱,只需稍作更改即可。考虑:
np.random.seed(0)
mux3 = pd.MultiIndex.from_product([
list('ABCD'), list('efgh')
], names=['one','two'])
df3 = pd.DataFrame(np.random.choice(10, (3, len(mux))), columns=mux3)
print(df3)
one A B C D
two e f g h e f g h e f g h e f g h
0 5 0 3 3 7 9 3 5 2 4 7 6 8 8 1 6
1 7 7 8 1 5 9 8 9 4 3 0 3 5 0 2 3
2 8 1 3 3 3 7 0 1 9 9 0 4 7 3 2 7
这些是您需要对四个习惯用法进行的以下更改,才能使它们与列一起使用。
要切片
loc
,请使用df3.loc[:, ....] # Notice how we slice across the index with `:`.
要么,
df3.loc[:, pd.IndexSlice[...]]
要
xs
适当使用,只需传递一个参数axis=1
。您可以使用直接访问列级别值
df.columns.get_level_values
。然后,您需要做类似的事情df.loc[:, {condition}]
其中
{condition}
代表使用建立的某些条件columns.get_level_values
。要使用
query
,您唯一的选择是转置,查询索引并再次转置:df3.T.query(...).T
不建议使用其他3个选项之一。
回答 1
最近,我遇到一个用例,其中有一个3级以上的多索引数据框,在其中我无法使上面的任何解决方案产生想要的结果。上面的解决方案很可能确实可以在我的用例中使用,并且我尝试了几种,但是我无法在我有空的时候让它们使用。
我距离专家还很远,但是我偶然发现了上面的综合答案中未列出的解决方案。我不保证解决方案无论如何都是最佳的。
这是获得与上面的问题6稍有不同的结果的不同方法。(以及其他可能的问题)
我特别在寻找:
- 一种从一个索引级别选择两个以上的值,从另一个索引级别选择一个值的方法,以及
- 在数据帧输出中保留上一操作的索引值的方法。
作为齿轮上的活动扳手(但完全可固定):
- 索引未命名。
在下面的玩具数据帧上:
index = pd.MultiIndex.from_product([['a','b'],
['stock1','stock2','stock3'],
['price','volume','velocity']])
df = pd.DataFrame([1,2,3,4,5,6,7,8,9,
10,11,12,13,14,15,16,17,18],
index)
0
a stock1 price 1
volume 2
velocity 3
stock2 price 4
volume 5
velocity 6
stock3 price 7
volume 8
velocity 9
b stock1 price 10
volume 11
velocity 12
stock2 price 13
volume 14
velocity 15
stock3 price 16
volume 17
velocity 18
当然,使用以下作品:
df.xs(('stock1', 'velocity'), level=(1,2))
0
a 3
b 12
但是我想要一个不同的结果,所以获得该结果的方法是:
df.iloc[df.index.isin(['stock1'], level=1) &
df.index.isin(['velocity'], level=2)]
0
a stock1 velocity 3
b stock1 velocity 12
如果我想从一个级别获得两个以上的值,并从另一个级别获得一个(或2个以上)值:
df.iloc[df.index.isin(['stock1','stock3'], level=1) &
df.index.isin(['velocity'], level=2)]
0
a stock1 velocity 3
stock3 velocity 9
b stock1 velocity 12
stock3 velocity 18
上面的方法可能有点笨拙,但是我发现它满足了我的需求,而且奖金对我来说更易于理解和阅读。