我正在使用MultiIndexed pandas DataFrame，并希望将DataFrame的子集乘以一定数量。
与this相同，但使用MultiIndex。
>>> d = pd.DataFrame({'year':[2008,2008,2008,2008,2009,2009,2009,2009],
'flavour':['strawberry','strawberry','banana','banana',
'strawberry','strawberry','banana','banana'],
'day':['sat','sun','sat','sun','sat','sun','sat','sun'],
'sales':[10,12,22,23,11,13,23,24]})
>>> d = d.set_index(['year','flavour','day'])
>>> d
sales
year flavour day
2008 strawberry sat 10
sun 12
banana sat 22
sun 23
2009 strawberry sat 11
sun 13
banana sat 23
sun 24
到目前为止，这么好。但是，让我说我发现星期六的数字只是他们应该的一半！我想将所有sat销售额乘以2。
我的第一次尝试是：
sat = d.xs('sat', level='day')
sat = sat * 2
d.update(sat)
但这不起作用，因为变量sat已失去索引的day级别：
>>> sat
sales
year flavour
2008 strawberry 20
banana 44
2009 strawberry 22
banana 46
所以大熊猫不知道如何将新的销售数据加入到旧的数据框中。
我快速刺伤了：
>>> sat = d.xs('sat', level='day', copy=False)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "C:\Python27\lib\site-packages\pandas\core\frame.py", line 2248, in xs
raise ValueError('Cannot retrieve view (copy=False)')
ValueError: Cannot retrieve view (copy=False)
我不知道那个错误意味着什么，但我觉得我正在用一个小山丘制造一座山。有谁知道这样做的正确方法？
提前致谢， 罗布
答案 0 :(得分：11)
注意：即将发布0.13 a drop_level argument has been added to xs（感谢此问题！）：
In [42]: df.xs('sat', level='day', drop_level=False)
Out[42]:
sales
year flavour day
2008 strawberry sat 10
另一种选择是使用select（它提取相同数据的子DataFrame（副本），即它具有相同的索引，因此可以正确更新）：
In [11]: d.select(lambda x: x[2] == 'sat') * 2
Out[11]:
sales
year flavour day
2008 strawberry sat 20
banana sat 44
2009 strawberry sat 22
banana sat 46
In [12]: d.update(d.select(lambda x: x[2] == 'sat') * 2)
另一个选项是使用apply：
In [21]: d.apply(lambda x: x*2 if x.name[2] == 'sat' else x, axis=1)
另一个选项是使用get_level_values （这可能是最有效的方式）：
In [22]: d[d.index.get_level_values('day') == 'sat'] *= 2
另一个选项是将“日”级别提升为列，然后使用“应用”。
答案 1 :(得分：6)
您可以使用.loc索引器从具有MultiIndex的DataFrame中选择数据子集。假设我们有原始问题的数据：
sales
year flavour day
2008 strawberry sat 10
sun 12
banana sat 22
sun 23
2009 strawberry sat 11
sun 13
banana sat 23
sun 24
此DataFrame的索引中有3个级别，每个级别都有一个名称（year，flavour和day）。这些级别也隐含地给出从外部以0开始的整数位置。因此，year级别可以引用为0，flavour引用1，day引用2。
级别0是进行选择的最简单级别。例如，如果我们想仅选择2008年，我们可以执行以下操作：
df.loc[2008]
sales
flavour day
strawberry sat 10
sun 12
banana sat 22
sun 23
这会降低外部索引级别。如果你想保持外层，你可以将你的选择作为列表（或切片）传递：
df.loc[[2008]] # df.loc[2008:2008] gets the same result
sales
year flavour day
2008 strawberry sat 10
sun 12
banana sat 22
sun 23
从0级以外的任何级别进行选择都比较复杂。我们首先选择特定组合，例如年2008，banana和sat。为此，您将组合作为元组传递给.loc：
df.loc[(2008, 'banana', 'sat')]
sales 22
Name: (2008, banana, sat), dtype: int64
我总是使用如上所述的括号，但Python会自动将任何以逗号分隔的值集合解释为元组，因此以下内容将得到相同的结果：
df.loc[2008, 'banana', 'sat']
所有级别都被删除，系列返回。我们可以通过将元组传递到列表中来保持级别：
df.loc[[(2008, 'banana', 'sat')]]
sales
year flavour day
2008 banana sat 22
上一个示例从每个级别进行了一次选择。可以使用列表来包含所需级别的所有值。例如，如果我们想要选择2008年和2009年的所有行，使用香蕉味，并在周六和周日，我们可以执行以下操作：
df.loc[([2008, 2009], 'banana', ('sat','sun'))]
sales
year flavour day
2008 banana sat 22
sun 23
2009 banana sat 23
sun 24
同样，你不必将整个选择包装在paraentheses中以表示一个元组，并且可以简单地执行：
df.loc[[2008, 2009], 'banana', ('sat','sun')]
您可能希望从特定级别中选择所有值。例如，让我们尝试选择所有年份，所有口味和周六。您可能认为以下方法有效：
df.loc[:, :, 'sat']
但是，这会遇到索引器索引错误太多的问题。有三种不同的方法可以从特定级别中选择所有值。
df.loc[(slice(None), slice(None), 'sat'), :] df.loc(axis=0)[:, :, 'sat'] df.loc[pd.IndexSlice[:, :, 'sat'], :] 这三个产生以下结果：
sales
year flavour day
2008 strawberry sat 10
banana sat 22
2009 strawberry sat 11
banana sat 23