Question

我从几个空气质量监测站提取数据。每个站应记录相同的参数（例如O3，NO2，SO2等）。我可以通过添加更多列将所有内容放入一个数据框中，但这变得草率。

将数据放入多索引数据帧是有意义的;但是，我想有选择地提取数据（例如从工作站提取数据＆＃34; A＆＃34;然后在指定的日期范围内截断，然后计算统计数据）。但是，我很难弄清楚如何整理多索引数据帧并开始相信它是不可能的。下面发布的是一个示例数据框，用于了解我正在处理的内容。

import pandas as pd
import numpy as np

dates = pd.date_range('20130101',periods=3,freq='5s')
dates = dates.append(dates)

locations = list('AAABBB')
gascode = ['no2','o3','so2']*2

tup = pd.MultiIndex.from_tuples( zip(locations,gascode,dates), names=['Location','gas','Date'] )

data = pd.DataFrame(data=range(6),index=tup,columns=['val1'])

>>> data

Location gas Date                  val1         
A        no2 2013-01-01 00:00:00     0
         o3  2013-01-01 00:00:05     1
         so2 2013-01-01 00:00:10     2
B        no2 2013-01-01 00:00:00     3
         o3  2013-01-01 00:00:05     4
         so2 2013-01-01 00:00:10     5

通常我会将日期作为主（和唯一）索引，但这是不可行的，因为日期戳不会是唯一的（即O3，NO2将有2013-01-01 00:00:00标记，每个位置的SO2等）。

是否可以通过三级索引进行截断？我已经考虑过将数据转换为数据透视表，但我认为这不是最佳选择。在这种情况下，多索引最有意义，如果我可以解决日期问题。

Answer 1

最简单/最快可能是在聚合之前选择所需的日期。

In [19]: data
Out[19]: 
                                  val1
Location gas Date                     
A        no2 2013-01-01 00:00:00     0
         o3  2013-01-01 00:00:05     1
         so2 2013-01-01 00:00:10     2
B        no2 2013-01-01 00:00:00     3
         o3  2013-01-01 00:00:05     4
         so2 2013-01-01 00:00:10     5

[6 rows x 1 columns]

In [20]: x = data.reset_index()

In [21]: x[(x.Date > '20130101 00:00:00') & (x.Date < '20130101 00:00:10')].set_index(data.index.names)
Out[21]: 
                                  val1
Location gas Date                     
A        o3  2013-01-01 00:00:05     1
B        o3  2013-01-01 00:00:05     4

[2 rows x 1 columns]

Answer 2

多指数具有隐含的层次概念;如果你的计算倾向于破坏这种层次结构，那么最好不要使用多索引。至于您的示例，您可以使用不同的索引顺序来实现您想要做的事情。也就是说，如果数据框由['Location','Date','gas']（按此顺序）索引

                                  val1
Location Date                gas      
A        2013-01-01 00:00:00 no2     0
         2013-01-01 00:00:05 o3      1
         2013-01-01 00:00:10 so2     2
B        2013-01-01 00:00:00 no2     3
         2013-01-01 00:00:05 o3      4
         2013-01-01 00:00:10 so2     5

您可以使用ix，如下所示：

df.ix[ 'A' ].ix[ pd.Timestamp( '2013-01-01 00:00:05' ):pd.Timestamp( '2013-01-01 00:00:10' )]

输出：

                         val1
Date                gas      
2013-01-01 00:00:05 o3      1
2013-01-01 00:00:10 so2     2

或单列：

df.val1[ 'A' ][ pd.Timestamp( '2013-01-01 00:00:05' ):pd.Timestamp( '2013-01-01 00:00:10' )]

输出：

Date                 gas
2013-01-01 00:00:05  o3     1
2013-01-01 00:00:10  so2    2
Name: val1, dtype: int64

截断多索引数据帧

2 个答案: