다중 인덱스 팬더에서 선택

다중 인덱스 팬더에서 선택

저는 'A'와 'B' 열이 있는 다중 인덱스 데이터 프레임을 가지고 있습니다.

인덱스를 단일 열 인덱스로 재설정하지 않고 다중 인덱스의 한 열에서 필터링하여 행을 선택하는 방법이 있습니까?

예를들면.

# has multi-index (A,B)
df
#can I do this? I know this doesn't work because the index is multi-index so I need to     specify a tuple

df.ix[df.A ==1]

한 가지 방법은 다음을 사용하는 것입니다.get_level_values색인 방법:

In [11]: df
Out[11]:
     0
A B
1 4  1
2 5  2
3 6  3

In [12]: df.iloc[df.index.get_level_values('A') == 1]
Out[12]:
     0
A B
1 4  1

0.13에서는 인수와 함께 다음을 사용할 수 있습니다.

df.xs(1, level='A', drop_level=False) # axis=1 if columns

참고: 인덱스가 아닌 열 MultiIndex인 경우 다음과 같은 기술을 사용할 수 있습니다.

In [21]: df1 = df.T

In [22]: df1.iloc[:, df1.columns.get_level_values('A') == 1]
Out[22]:
A  1
B  4
0  1

제 생각에 아주 쉽게 읽을 수 있고 쉽게 사용할 수 있는 것을 사용할 수도 있습니다.

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [10, 20, 50, 80], 'C': [6, 7, 8, 9]})
df = df.set_index(['A', 'B'])

      C
A B    
1 10  6
2 20  7
3 50  8
4 80  9

이제 여러분이 생각하고 있던 것에 대해 간단히 다음을 수행할 수 있습니다.

df.query('A == 1')

      C
A B    
1 10  6

다음을 사용하여 보다 복잡한 쿼리를 수행할 수도 있습니다.and

df.query('A >= 1 and B >= 50')

      C
A B    
3 50  8
4 80  9

그리고.or

df.query('A == 1 or B >= 50')

      C
A B    
1 10  6
3 50  8
4 80  9

다른 인덱스 수준에 대해 쿼리할 수도 있습니다.

df.query('A == 1 or C >= 8')

돌아올 것입니다

      C
A B    
1 10  6
3 50  8
4 80  9

쿼리 내에 변수를 사용하려면 다음을 사용할 수 있습니다.

b_threshold = 20
c_threshold = 8

df.query('B >= @b_threshold and C <= @c_threshold')

      C
A B    
2 20  7
3 50  8

사용가능DataFrame.xs():

In [36]: df = DataFrame(np.random.randn(10, 4))

In [37]: df.columns = [np.random.choice(['a', 'b'], size=4).tolist(), np.random.choice(['c', 'd'], size=4)]

In [38]: df.columns.names = ['A', 'B']

In [39]: df
Out[39]:
A      b             a
B      d      d      d      d
0 -1.406  0.548 -0.635  0.576
1 -0.212 -0.583  1.012 -1.377
2  0.951 -0.349 -0.477 -1.230
3  0.451 -0.168  0.949  0.545
4 -0.362 -0.855  1.676 -2.881
5  1.283  1.027  0.085 -1.282
6  0.583 -1.406  0.327 -0.146
7 -0.518 -0.480  0.139  0.851
8 -0.030 -0.630 -1.534  0.534
9  0.246 -1.558 -1.885 -1.543

In [40]: df.xs('a', level='A', axis=1)
Out[40]:
B      d      d
0 -0.635  0.576
1  1.012 -1.377
2 -0.477 -1.230
3  0.949  0.545
4  1.676 -2.881
5  0.085 -1.282
6  0.327 -0.146
7  0.139  0.851
8 -1.534  0.534
9 -1.885 -1.543

만약 당신이 그것을 유지하기를 원한다면.A수평을 이루다drop_level키워드 인수는 v0.13.0)부터만 사용할 수 있습니다.

In [42]: df.xs('a', level='A', axis=1, drop_level=False)
Out[42]:
A      a
B      d      d
0 -0.635  0.576
1  1.012 -1.377
2 -0.477 -1.230
3  0.949  0.545
4  1.676 -2.881
5  0.085 -1.282
6  0.327 -0.146
7  0.139  0.851
8 -1.534  0.534
9 -1.885 -1.543

다중 인덱스 팬더 DataFrame에 액세스하는 방법을 이해하면 이러한 모든 종류의 작업을 수행하는 데 도움이 될 수 있습니다.

이를 코드에 붙여넣어 예제를 생성합니다.

# hierarchical indices and columns
index = pd.MultiIndex.from_product([[2013, 2014], [1, 2]],
                                   names=['year', 'visit'])
columns = pd.MultiIndex.from_product([['Bob', 'Guido', 'Sue'], ['HR', 'Temp']],
                                     names=['subject', 'type'])

# mock some data
data = np.round(np.random.randn(4, 6), 1)
data[:, ::2] *= 10
data += 37

# create the DataFrame
health_data = pd.DataFrame(data, index=index, columns=columns)
health_data

다음과 같은 테이블이 제공됩니다.

열별표준접속

health_data['Bob']
type       HR   Temp
year visit      
2013    1   22.0    38.6
        2   52.0    38.3
2014    1   30.0    38.9
        2   31.0    37.3


health_data['Bob']['HR']
year  visit
2013  1        22.0
      2        52.0
2014  1        30.0
      2        31.0
Name: HR, dtype: float64

# filtering by column/subcolumn - your case:
health_data['Bob']['HR']==22
year  visit
2013  1         True
      2        False
2014  1        False
      2        False

health_data['Bob']['HR'][2013]    
visit
1    22.0
2    52.0
Name: HR, dtype: float64

health_data['Bob']['HR'][2013][1]
22.0

행별접속

health_data.loc[2013]
subject Bob Guido   Sue
type    HR  Temp    HR  Temp    HR  Temp
visit                       
1   22.0    38.6    40.0    38.9    53.0    37.5
2   52.0    38.3    42.0    34.6    30.0    37.7

health_data.loc[2013,1] 
subject  type
Bob      HR      22.0
         Temp    38.6
Guido    HR      40.0
         Temp    38.9
Sue      HR      53.0
         Temp    37.5
Name: (2013, 1), dtype: float64

health_data.loc[2013,1]['Bob']
type
HR      22.0
Temp    38.6
Name: (2013, 1), dtype: float64

health_data.loc[2013,1]['Bob']['HR']
22.0

다중 인덱스 슬라이싱

idx=pd.IndexSlice
health_data.loc[idx[:,1], idx[:,'HR']]
    subject Bob Guido   Sue
type    HR  HR  HR
year    visit           
2013    1   22.0    40.0    53.0
2014    1   30.0    52.0    45.0

다음을 사용할 수 있습니다.

>>> df.loc[1]

예

>>> print(df)
       result
A B C        
1 1 1       6
    2       9
  2 1       8
    2      11
2 1 1       7
    2      10
  2 1       9
    2      12

>>> print(df.loc[1])
     result
B C        
1 1       6
  2       9
2 1       8
  2      11

>>> print(df.loc[2, 1])
   result
C        
1       7
2      10

다른 옵션은 다음과 같습니다.

filter1 = df.index.get_level_values('A') == 1
filter2 = df.index.get_level_values('B') == 4

df.iloc[filter1 & filter2]
Out[11]:
     0
A B
1 4  1

사용가능MultiIndex썰기예를 들어,

arrays = [["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"],
          ["one", "two", "one", "two", "one", "two", "one", "two"]]   
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=["A", "B"])
df = pd.DataFrame(np.random.randint(9, size=(8, 2)), index=index, columns=["col1", "col2"])

         col1  col2
A   B              
bar one     0     8
    two     4     8
baz one     6     0
    two     7     3
foo one     6     8
    two     2     6
qux one     7     0
    two     6     4

모두 선택하려면 다음 중에서A그리고.two부터B:

df.loc[(slice(None), 'two'), :]

출력:

         col1  col2
A   B              
bar two     4     8
baz two     7     3
foo two     2     6
qux two     6     4

선택방법bar그리고.baz부터A그리고.two부터B:

df.loc[(['bar', 'baz'], 'two'), :]

출력:

         col1  col2
A   B              
bar two     4     8
baz two     7     3

언급URL : https://stackoverflow.com/questions/18835077/selecting-from-multi-index-pandas