首页 > 资讯 > 后端开发 > Python >Pandas中MultiIndex选择并提取任何行和列

671

分享到

Pandas中MultiIndex选择并提取任何行和列

Pandas MultiIndex提取行列 Pandas 提取行列 2023-02-23 11:02:41 671人浏览泡泡鱼

Python 官方文档：入门教程 => 点击学习

摘要

目录选择并提取带有loc的任何行或列特殊切片规范：slice（），pd.IndexSlice []xs方法给选择赋值使用多索引（分层索引）可以方便地对pandas.DataFrame

import pandas as pd

df = pd.read_csv('./data/25/sample_multi.csv', index_col=[0, 1, 2])
print(df)
#                          val_1  val_2
# level_1 level_2 level_3
# A0      B0      C0          98     90
#                 C1          44      9
#         B1      C2          39     17
#                 C3          75     71
# A1      B2      C0           1     89
#                 C1          54     60
#         B3      C2          47      6
#                 C3          16      5
# A2      B0      C0          75     22
#                 C1          19      4
#         B1      C2          25     52
#                 C3          57     40
# A3      B2      C0          64     54
#                 C1          27     96
#         B3      C2         100     77
#                 C3          22     50

print(df.index)
# MultiIndex(levels=[['A0', 'A1', 'A2', 'A3'], ['B0', 'B1', 'B2', 'B3'], ['C0', 'C1', 'C2', 'C3']],
#            labels=[[0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3], [0, 0, 1, 1, 2, 2, 3, 3, 0, 0, 1, 1, 2, 2, 3, 3], [0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3]],
#            names=['level_1', 'level_2', 'level_3'])

这里，将描述以下内容。

选择并提取带有loc的任何行或列
- 特殊切片规范：slice（），pd.IndexSlice []
xs方法
给选择赋值

选择并提取带有loc的任何行或列

可以像使用普通索引一样使用loc []选择和提取任何行/列。

Pandas获取和修改任意位置的值（at,iat,loc,iloc）

在示例中，索引是一个多索引，但是当列是一个多索引时，同样的想法也适用。

如果选择上层（外层），则它与普通loc []相同。

指定整列时，可以省略back slice :，但是使用后述的slice（None）或pd.IndexSlice时，不能将其省略（这会导致错误），因此请明确指定。拥有它是安全的。

print(df.loc['A0', 'val_1'])
# level_2  level_3
# B0       C0         98
#          C1         44
# B1       C2         39
#          C3         75
# Name: val_1, dtype: int64

print(df.loc['A0', :])
#                  val_1  val_2
# level_2 level_3              
# B0      C0          98     90
#         C1          44      9
# B1      C2          39     17
#         C3          75     71

print(df.loc['A0'])
#                  val_1  val_2
# level_2 level_3              
# B0      C0          98     90
#         C1          44      9
# B1      C2          39     17
#         C3          75     71

也可以通过切片或列表选择范围。

print(df.loc['A0':'A2', :])
#                          val_1  val_2
# level_1 level_2 level_3              
# A0      B0      C0          98     90
#                 C1          44      9
#         B1      C2          39     17
#                 C3          75     71
# A1      B2      C0           1     89
#                 C1          54     60
#         B3      C2          47      6
#                 C3          16      5
# A2      B0      C0          75     22
#                 C1          19      4
#         B1      C2          25     52
#                 C3          57     40

print(df.loc[['A0', 'A2'], :])
#                          val_1  val_2
# level_1 level_2 level_3              
# A0      B0      C0          98     90
#                 C1          44      9
#         B1      C2          39     17
#                 C3          75     71
# A2      B0      C0          75     22
#                 C1          19      4
#         B1      C2          25     52
#                 C3          57     40

还可以通过从上层（外层）按顺序指定值来缩小范围。按元组顺序指定值。

print(df.loc[('A0', 'B1'), :])
#          val_1  val_2
# level_3              
# C2          39     17
# C3          75     71

print(df.loc[('A0', 'B1', 'C2'), :])
# val_1    39
# val_2    17
# Name: (A0, B1, C2), dtype: int64

如果按顺序指定元组，则列表将起作用，但切片将失败。

print(df.loc[(['A0', 'A1'], ['B0', 'B3']), :])
#                          val_1  val_2
# level_1 level_2 level_3              
# A0      B0      C0          98     90
#                 C1          44      9
# A1      B3      C2          47      6
#                 C3          16      5

# print(df.loc[(:, 'B1'), :])
# SyntaxError: invalid syntax

# print(df.loc[('A1':'A3', 'B2'), :])
# SyntaxError: invalid syntax

特殊切片规范：slice（），pd.IndexSlice []

当从具有多索引的上层（外层）开始按顺序指定元组的值时，将slice（）用于切片。

可以使用slice（start，stop，step）创建slice start：stop：step。stop和step可以省略。整个切片：slice(None)。

print(df.loc[(slice(None), 'B1'), :])
#                          val_1  val_2
# level_1 level_2 level_3              
# A0      B1      C2          39     17
#                 C3          75     71
# A2      B1      C2          25     52
#                 C3          57     40

print(df.loc[(slice('A1', 'A3'), 'B2'), :])
#                          val_1  val_2
# level_1 level_2 level_3              
# A1      B2      C0           1     89
#                 C1          54     60
# A3      B2      C0          64     54
#                 C1          27     96

print(df.loc[(slice('A1', 'A3'), ['B0', 'B2'], 'C1'), :])
#                          val_1  val_2
# level_1 level_2 level_3              
# A1      B2      C1          54     60
# A2      B0      C1          19      4
# A3      B2      C1          27     96

如果使用pd.IndexSlice []，则可以指定为：。如果使用许多切片，这会更容易。

print(df.loc[pd.IndexSlice[:, 'B1'], :])
#                          val_1  val_2
# level_1 level_2 level_3              
# A0      B1      C2          39     17
#                 C3          75     71
# A2      B1      C2          25     52
#                 C3          57     40

print(df.loc[pd.IndexSlice['A1':'A3', 'B2'], :])
#                          val_1  val_2
# level_1 level_2 level_3              
# A1      B2      C0           1     89
#                 C1          54     60
# A3      B2      C0          64     54
#                 C1          27     96

print(df.loc[pd.IndexSlice['A1':'A3', ['B0', 'B2'], 'C1'], :])
#                          val_1  val_2
# level_1 level_2 level_3              
# A1      B2      C1          54     60
# A2      B0      C1          19      4
# A3      B2      C1          27     96

xs方法

还可以通过使用xs（）方法指定索引列名称（参数level）及其值（第一个参数key）来选择和提取,多索引columns的参数axis= 1。

print(df.xs('B1', level='level_2'))
#                  val_1  val_2
# level_1 level_3              
# A0      C2          39     17
#         C3          75     71
# A2      C2          25     52
#         C3          57     40

也可以使用代表层次结构级别的数值而不是索引列名称来指定。顶层（最外层）为0。

print(df.xs('C1', level=2))
#                  val_1  val_2
# level_1 level_2              
# A0      B0          44      9
# A1      B2          54     60
# A2      B0          19      4
# A3      B2          27     96

还可以为多个索引指定值列表。

print(df.xs(['B1', 'C2'], level=['level_2', 'level_3']))
#          val_1  val_2
# level_1              
# A0          39     17
# A2          25     52

要在xs（）方法中指定切片，需要使用slice（）或pd.IndexSlice []。

print(df.xs(pd.IndexSlice['A1':'A3'], level='level_1'))
#                  val_1  val_2
# level_2 level_3              
# B2      C0           1     89
#         C1          54     60
# B3      C2          47      6
#         C3          16      5
# B0      C0          75     22
#         C1          19      4
# B1      C2          25     52
#         C3          57     40
# B2      C0          64     54
#         C1          27     96
# B3      C2         100     77
#         C3          22     50

print(df.xs(slice('A1', 'A3'), level='level_1'))
#                  val_1  val_2
# level_2 level_3              
# B2      C0           1     89
#         C1          54     60
# B3      C2          47      6
#         C3          16      5
# B0      C0          75     22
#         C1          19      4
# B1      C2          25     52
#         C3          57     40
# B2      C0          64     54
#         C1          27     96
# B3      C2         100     77
#         C3          22     50

xs（）方法无法在列表中指定多个值。如果要在列表中指定多个值，请使用loc []。

# print(df.xs(['B1', 'B2'], level='level_2'))
# KeyError: ('B1', 'B2')

print(df.loc[pd.IndexSlice[:, ['B1', 'B2']], :])
#                          val_1  val_2
# level_1 level_2 level_3              
# A0      B1      C2          39     17
#                 C3          75     71
# A1      B2      C0           1     89
#                 C1          54     60
# A2      B1      C2          25     52
#                 C3          57     40
# A3      B2      C0          64     54
#                 C1          27     96

给选择赋值

使用loc选择时，可以为选择范围分配一个值。

df.loc[(['A0', 'A1'], ['B0', 'B3']), :] = -100

print(df)
#                          val_1  val_2
# level_1 level_2 level_3              
# A0      B0      C0        -100   -100
#                 C1        -100   -100
#         B1      C2          39     17
#                 C3          75     71
# A1      B2      C0           1     89
#                 C1          54     60
#         B3      C2        -100   -100
#                 C3        -100   -100
# A2      B0      C0          75     22
#                 C1          19      4
#         B1      C2          25     52
#                 C3          57     40
# A3      B2      C0          64     54
#                 C1          27     96
#         B3      C2         100     77
#                 C3          22     50

df.loc[(['A0', 'A1'], ['B0', 'B3']), :] = [-200, -300]

print(df)
#                          val_1  val_2
# level_1 level_2 level_3              
# A0      B0      C0        -200   -300
#                 C1        -200   -300
#         B1      C2          39     17
#                 C3          75     71
# A1      B2      C0           1     89
#                 C1          54     60
#         B3      C2        -200   -300
#                 C3        -200   -300
# A2      B0      C0          75     22
#                 C1          19      4
#         B1      C2          25     52
#                 C3          57     40
# A3      B2      C0          64     54
#                 C1          27     96
#         B3      C2         100     77
#                 C3          22     50

df.loc[(['A0', 'A1'], ['B0', 'B3']), :] = [[-1, -2], [-3, -4], [-5, -6], [-7, -8]]

print(df)
#                          val_1  val_2
# level_1 level_2 level_3              
# A0      B0      C0          -1     -2
#                 C1          -3     -4
#         B1      C2          39     17
#                 C3          75     71
# A1      B2      C0           1     89
#                 C1          54     60
#         B3      C2          -5     -6
#                 C3          -7     -8
# A2      B0      C0          75     22
#                 C1          19      4
#         B1      C2          25     52
#                 C3          57     40
# A3      B2      C0          64     54
#                 C1          27     96
#         B3      C2         100     77
#                 C3          22     50

xs（）仅获取该值，而无法分配它。

# df.xs(['B1', 'C2'], level=['level_2', 'level_3']) = 0
# SyntaxError: can't assign to function call

到此这篇关于Pandas中MultiIndex选择并提取任何行和列的文章就介绍到这了,更多相关Pandas MultiIndex提取行列内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！

您可能感兴趣的文档:

点击免费下载>>软考高级考试备考技巧/历年真题/备考精华资料

--结束END--

本文标题: Pandas中MultiIndex选择并提取任何行和列

本文链接: https://www.lsjlt.com/news/197308.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

本篇文章演示代码以及资料文档资料下载

下载Word文档到电脑，方便收藏和打印～

下载Word文档

去做题

python分析数据的方法是什么

2024-03-01

如何使用Python实现抽奖小程序

2024-03-01

python copy函数的作用是什么

2024-03-01

python进程池创建队列的方法是什么

2024-02-29

python字符串处理与应用的方法有哪些

2024-02-29

python全局变量如何定义

2024-02-29

python如何读取文件夹下所有文件

2024-02-29

python keyerror错误怎么解决

2024-02-29

python如何提取字符串的数字

2024-02-29

python中怎么将回车作为输入内容

2024-02-29

热门问答

回答

如何调试操作系统的错误？
操作系统

2023-11-15发布

回答

操作系统中的I/O系统是如何实现的？
操作系统

2023-11-15发布

回答

如何实现操作系统的内存管理？
操作系统

2023-11-15发布

回答

什么是虚拟内存，它对操作系统有什么影响？
操作系统

2023-11-15发布

回答

ASP中的MVC架构和WebForms架构有什么区别和使用场景？
ASP.NET

2023-11-15发布

回答

ASP中的数据验证和数据校验有什么不同？
ASP.NET

2023-11-15发布

回答

ASP中的ADO对象和DAO对象有什么区别和使用方法？
ASP.NET

2023-11-15发布

回答

Node.js中的包管理器NPM是什么？如何使用它进行依赖管理？
node.js

2023-11-15发布

回答

Vue.js中的动态组件是什么？如何使用它来动态渲染组件？
VUE

2023-11-15发布

回答

如何使用Vue.js实现懒加载和预加载？
VUE

2023-11-15发布

Pandas中MultiIndex选择并提取任何行和列

目录

选择并提取带有loc的任何行或列

特殊切片规范：slice（），pd.IndexSlice []

xs方法

给选择赋值

本篇文章演示代码以及资料文档资料下载

Pandas中MultiIndex选择并提取任何行和列

Pandas中怎么使用MultiIndex选择并提取任何行和列

Pandas通过index选择并获取行和列

Pandas怎么通过index选择并获取行和列

python分析数据的方法是什么

如何使用Python实现抽奖小程序

python copy函数的作用是什么

python进程池创建队列的方法是什么

python字符串处理与应用的方法有哪些

python全局变量如何定义

python如何读取文件夹下所有文件

python keyerror错误怎么解决

python如何提取字符串的数字

python中怎么将回车作为输入内容