时间戳

首页 > 解决方案 > 比“查询”更方便的方法是选择多索引行，通过索引级别的名称指定部分标签？

python - 比“查询”更方便的方法是选择多索引行，通过索引级别的名称指定部分标签？

问题描述

假设您有很多已命名的索引级别——我将在这里展示 4，但请发挥您的想象力：

midx = pd.MultiIndex.from_product([['A0','A1'], ['B0','B1'],['C0','C1'],['D0','D1']],names=['quack','woof','honk','snarf'])
dfmi = pd.DataFrame(np.arange(32).reshape((len(midx), len(columns))),index=midx, columns=columns)
dfmi
                       foo  bar
quack woof honk snarf          
A0    B0   C0   D0       0    1
                D1       2    3
           C1   D0       4    5
                D1       6    7
      B1   C0   D0       8    9
                D1      10   11
           C1   D0      12   13
                D1      14   15
A1    B0   C0   D0      16   17
                D1      18   19
           C1   D0      20   21
                D1      22   23
      B1   C0   D0      24   25
                D1      26   27
           C1   D0      28   29
                D1      30   31

然后，沿着这条线的某个地方，您忘记了名称“snarf”与哪个级别编号相关联，甚至忘记了有多少级别，您想要执行以下操作：

dfmi[dfmi.snarf=='D1']

除了 DataFrame 很大，所以保留另一个，reset_indexed 副本会占用太多空间，而且无论如何它会很慢，而且，因为懒惰，你不想去查找它，你还不想深入研究另一种语法query：

dfmi.query('snarf'=='D1')

哎呀！

dfmi.query("'snarf'=='D1'")

哎呀！

dfmi.query("snarf=='D1'")
                      foo  bar
quack woof honk snarf          
A0    B0   C0   D1       2    3
           C1   D1       6    7
      B1   C0   D1      10   11
           C1   D1      14   15
A1    B0   C0   D1      18   19
           C1   D1      22   23
      B1   C0   D1      26   27
           C1   D1      30   31

最后！

标签： pythonpandasselectmulti-index

解决方案

不确定它是否更方便，但基于字符串的查询的一种替代方法是使用index.get_level_values：

dfmi[dfmi.index.get_level_values('snarf') == 'D1']

                       foo  bar
quack woof honk snarf          
A0    B0   C0   D1       2    3
           C1   D1       6    7
      B1   C0   D1      10   11
           C1   D1      14   15
A1    B0   C0   D1      18   19
           C1   D1      22   23
      B1   C0   D1      26   27
           C1   D1      30   31

推荐阅读