时间戳

首页 > 解决方案 > 从头开始设置特定的多索引

dataframe - 从头开始设置特定的多索引

问题描述

我的任务如下：我需要从头开始以数据框的形式构建几个表。特别是，对于每个标识符，每个表总是相同的（一种汇总统计表）。例如：

 result= {'Value':[mean_t,mean_t_1,mean_diff_lev, mean_diff_log],
             'T-stat':[np.NaN,np.NaN,t_diff_lev, t_diff_log],
             'Type':['XL','XL','XL', 'XL']}
 result=pd.DataFrame.from_dict(result,orient='index',
                                  columns=['Square_t','Square_t_1',
                                           'Mean diff','Mean diff log'])

结果给了我这个：

        Square_t Square_t_1 Mean diff Mean diff log
Value   502.123    533.324  -31.2018    -0.0567523
T-stat      NaN        NaN  -3.33098      -5.38749
Type         XL         XL        XL            XL

我有一个函数可以计算那里使用的所有值，最后它从值字典创建上面给出的数据框。我需要能够设置一个由两个组件组成的多索引：第一个（或外部）一个是标识符（比如“Roger”），第二个（或内部）是由我已经拥有的，即 list 给出的['Value','T-Stat'.'Type']。结果应如下所示：

             Square_t Square_t_1 Mean diff Mean diff log
Roger Value   502.123    533.324  -31.2018    -0.0567523
      T-stat      NaN        NaN  -3.33098      -5.38749
      Type         XL         XL        XL            XL

或这个：

ID    Var      Square_t Square_t_1 Mean diff Mean diff log
Roger Value     502.123    533.324  -31.2018    -0.0567523
      T-stat        NaN        NaN  -3.33098      -5.38749
      Type           XL         XL        XL            XL

然后，目标是能够通过附加或连接具有不同 ID 的不同数据帧来构建更大的数据帧。

标签： dataframeindexingmulti-index

解决方案

我自己找到了答案。最简单的方法是使用 pandas 方法concat。与其为每个 ID 创建一个具有多索引的数据帧，不如为每个 ID 创建一个没有 ID 的数据帧，创建所有数据帧，并且在跟踪列表中的各种 ID 之后，我们可以简单地连接所有单个 ID数据框。让我们说我们有两个数据框df1,df2类型：

        Square_t Square_t_1 Mean diff Mean diff log
Value   502.123    533.324  -31.2018    -0.0567523
T-stat      NaN        NaN  -3.33098      -5.38749
Type         XL         XL        XL            XL

对于 ID ['Roger','Kyle']。我们运行：

pd.concat([df1,df2],keys=['Roger','Kyle'])

结果将确实是一个多索引数据框：

              Square_t Square_t_1 Mean diff Mean diff log
Roger  Value   430.855    454.733  -23.8778    -0.0492182
       T-stat      NaN        NaN  -3.48394      -5.37168
       Type         XL         XL        XL            XL
Kyle   Value   721.824     735.67   -13.846    -0.0192327
       T-stat      NaN        NaN  -1.93132      -2.74519
       Type         XL         XL        XL            XL

pd.concat([df1,df2],keys=['Roger','Kyle']),index

MultiIndex([('Roger',  'Value'),
            ('Roger', 'T-stat'),
            ('Roger',  'Type'),
            ( 'Kyle',  'Value'),
            ( 'Kyle', 'T-stat'),
            ( 'Kyle',  'Type')],
           )

推荐阅读