python - 是否可以连接一级和其他多级数据帧，并在轴 1 中同时具有一级和多级？（熊猫）

Question

我有这个一级数据框：

d = {'A': np.random.randint(0, 10, 5)
   , 'B': np.random.randint(0, 10, 5)
   , 'C': np.random.randint(0, 10, 5)
   , 'D': np.random.randint(0, 10, 5)}
x = pd.DataFrame(d)
print(x)

   A  B  C  D
0  8  7  6  0
1  6  5  4  9
2  4  0  5  7
3  1  9  7  9
4  6  9  9  8

而这个多层次：

from functools import reduce

v = ['u','v','z']
l = ['300','350','400','450','500'] * len(v)
d = ['1','2','3','4'] * len(l)

size = len(v) * len(l) * len(d)

der_v = reduce(lambda x,y: x+y, [[i] * 20 for i in v])
der_l = reduce(lambda x,y: x+y, [[i] * 4 for i in l])
der_d = reduce(lambda x,y: x+y, [[i] for i in d])

arrays =[der_v,der_l,der_d]

y = pd.DataFrame(np.random.randint(0, 1, (5,60)),index=range(0,5), columns=arrays)
print(y)

    u                              ...   z                             
  300          350          400    ... 400    450          500         
    1  2  3  4   1  2  3  4   1  2 ...   3  4   1  2  3  4   1  2  3  4
0   0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0  0
1   0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0  0
2   0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0  0
3   0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0  0
4   0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0  0

[5 rows x 60 columns]

我正在尝试连接：

z = pd.concat([x, y], axis=1)

所以，我得到了这样的：

  A  B  C  D  (u, 300, 1)  (u, 300, 2)  (u, 300, 3)  (u, 300, 4)  \
0  8  7  6  0            0            0            0            0   ...
1  6  5  4  9            0            0            0            0   ...
2  4  0  5  7            0            0            0            0   ...
3  1  9  7  9            0            0            0            0   ...
4  6  9  9  8            0            0            0            0   ...

但我将列作为元组，例如：(u, 300, 1)。有点奇怪！是否可能在轴 1 中同时具有一级和多级？

预期输出：

                u                              ...   z                             
   A  B  C  D  300          350          400    ... 400    450          500         
               1  2  3  4   1  2  3  4   1  2 ...   3  4   1  2  3  4   1  2  3  4
0  8  7  6  0  0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0  0
1  6  5  4  9  0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0  0
2  4  0  5  7  0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0  0
3  1  9  7  9  0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0  0
4  6  9  9  8  0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0  0

我真的不知道是否可能有一级和多级的列。所以，我希望可以切片。例如： y.loc[:,('u','500')] 工作正常。但连接后不再起作用。

标签： pythonpandasconcat

Answer 1

我在没有连接的情况下解决，因为在轴 1 中不可能有不同的级别。我决定使用数据框 x 中的数据作为数据框 y 中的索引。

因此，请按照以下步骤操作：

1.创建数据框x：

d = {'A': np.random.randint(0, 10, 5)
   , 'B': np.random.randint(0, 10, 5)
   , 'C': np.random.randint(0, 10, 5)
   , 'D': np.random.randint(0, 10, 5)}
x = pd.DataFrame(d)

   A  B  C  D
0  7  1  6  8
1  4  0  5  6
2  7  5  0  7
3  8  4  3  8
4  9  1  4  0

2.创建基于数据框x的索引：

index = [x[col] for col in x.columns]

3.为数据框y创建特征：

from functools import reduce

v = ['u','v','z']
l = ['300','350','400','450','500'] * len(v)
d = ['1','2','3','4'] * len(l)

size = len(v) * len(l) * len(d)

der_v = reduce(lambda x,y: x+y, [[i] * 20 for i in v])
der_l = reduce(lambda x,y: x+y, [[i] * 4 for i in l])
der_d = reduce(lambda x,y: x+y, [[i] for i in d])

arrays =[der_v,der_l,der_d]

4.现在，要创建数据框 y，我们使用来自 x 的索引作为参数：

y = pd.DataFrame(np.random.randint(0, 1, (5,60)), columns=arrays, index=index)
y.columns = y.columns.rename(['variables', 'level','days'], level=[0,1,2])
y.index.names = ['A','B','C','D']
print(y)

variables   u                              ...   z                            \
level     300          350          400    ... 400    450          500         
days        1  2  3  4   1  2  3  4   1  2 ...   3  4   1  2  3  4   1  2  3   
A B C D                                    ...                                 
7 1 6 8     0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0   
4 0 5 6     0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0   
7 5 0 7     0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0   
8 4 3 8     0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0   
9 1 4 0     0  0  0  0   0  0  0  0   0  0 ...   0  0   0  0  0  0   0  0  0   

variables     
level         
days       4  
A B C D       
7 1 6 8    0  
4 0 5 6    0  
7 5 0 7    0  
8 4 3 8    0  
9 1 4 0    0  

[5 rows x 60 columns]