Question

我想知道是否有任何方法可以通过用户定义的名称而不是整数或“index”，“columns”，“minor_axis”等来访问pandas容器（DataFrame，Panel等）的轴。

例如，使用以下数据容器：

df = DataFrame(randn(3,2),columns=['c1','c2'],index=['i1','i2','i3'])
df.index.name = 'myaxis1'
df.columns.name = 'myaxis2'

我想这样做：

df.sum(axis='myaxis1') 
df.xs('c1', axis='myaxis2')  # cross section

同样非常有用的是：

df.reshape(['myaxis2','myaxis1'])

（在这种情况下不那么相关，但如果尺寸增加则可能会变得如此）

原因是我使用不同维度的多维数组工作了很多，比如“时间”，“变量”，“百分位数”等...并且同一段代码经常应用于可能的对象DataFrame，Panel甚至是带有MultiIndex的Panel4D或DataFrame。现在，我经常对对象的形状或脚本的一般设置进行测试，以便知道哪个轴是计算总和或平均值的相关轴。但我认为忘记容器在细节中的实现方式会更方便（DataFrame，Panel等......），只需考虑问题的本质（比如我想要平均的时间，我我不想考虑我是在具有几个百分位数的“概率”模式下工作，还是在具有单个时间序列的“确定性”模式下工作。

写这篇文章我（重新）发现了非常有用的axis属性。以上代码可以翻译成：

nms = [ax.name for ax in df.axes]
axid1 = nms.index('myaxis1')
axid2 = nms.index('myaxis2')
df.sum(axis=axid1) 
df.xs('c1', axis=axid2)  # cross section

和“重塑”功能（不适用于3-d情况......）：

newshape = ['myaxis2','myaxis1']
axid = [nms.index(nm) for nm in newshape]
df.swapaxes(*axid)

好吧，我必须承认我在撰写这篇文章时已经找到了这些解决方案（这已经非常方便了），但它可以推广到使用MultiIndex轴的DataFrame（或其他），对所有搜索轴和标签......

在我看来，这将是对熊猫的用户友好性的一个重大改进（好吧，忘记实际结构可能会有性能成本，但用户担心性能可能会小心他/她如何组织数据）。

您怎么看？

Answer 1

这仍然是实验性的，但请看这个页面：

http://pandas.pydata.org/pandas-docs/dev/dsintro.html#panelnd-experimental

import pandas
import numpy as np

from pandas.core import panelnd

MyPanel4D = panelnd.create_nd_panel_factory(
    klass_name   = 'MyPanel4D',
    axis_orders  = ['axis4', 'axis3', 'axis2', 'axis1'],
    axis_slices  = {'axis3': 'items',
                    'axis2': 'major_axis',
                    'axis1': 'minor_axis'},
    slicer       = 'Panel',
    stat_axis=2) 
mp4d = MyPanel4D(np.random.rand(5,4,3,2))
print mp4d

结果

<class 'pandas.core.panelnd.MyPanel4D'>
Dimensions: 5 (axis4) x 4 (axis3) x 3 (axis2) x 2 (axis1)
Axis4 axis: 0 to 4
Axis3 axis: 0 to 3
Axis2 axis: 0 to 2
Axis1 axis: 0 to 1

这里有一点需要注意，当你像mp4d[0]那样切片时，你将要回到Panel，除非你创建一个自定义对象的层次结构（不幸的是需要等待0.12-dev来支持'重命名' Panel / DataFrame，它的重要性并没有任何要求）

因此，对于更高的暗淡对象，您可以强制使用自己的名称结构。轴别名应该像你建议的那样工作，但我认为那里有一些错误

pandas按用户定义的名称访问轴

1 个答案: