Pandas中MultiIndex选择并提取任何行和列.docxVIP

第

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方法给选择赋值使用多索引（分层索引）可以方便地对pandas.DataFrame和pandas.Series的索引进行分层配置，以便可以为每个层次结构计算统计信息，例如总数和平均值。

以下csv数据为例。每个索引列都命名为level_x。

importpandasaspd

df=pd.read_csv(./data/25/sample_multi.csv,index_col=[0,1,2])

print(df)

#?????????????val_1?val_2

#level_1level_2level_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backslice:，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_2level_3???????

#B0???C0?????98??90

#????C1?????44???9

#B1???C2????