Question

这很好用：

cols = ['X', 'Y']
ind = [('A', 1), ('B', 2)]
ind = pd.MultiIndex.from_tuples(index, names=['foo', 'number'])

df = pd.DataFrame(rand(2,2), columns = cols, index=ind)
store.put('df', df, table=True)
print store['df']

               X         Y
foo number                    
A   1       0.015005  0.213427
B   2       0.090311  0.595418

这打破了：

cols = [('X', 1), ('Y', 2)]
cols = pd.MultiIndex.from_tuples(index, names=['bar', 'number'])
ind = [('A', 1), ('B', 2)]
ind = pd.MultiIndex.from_tuples(index, names=['foo', 'number'])

df = pd.DataFrame(rand(2,2), columns = cols, index=ind)
store.put('df', df, table=True)
print store['df']

KeyError: u'no item named foo'

我怀疑这是使用PyTables的一个已知限制，但我在Pandas文档中找不到任何参考，因为multiindex实际上仅限于索引，而不是列。

Answer 1

不支持，例如既有列多索引又有索引多索引。任何一个人都可以工作。但是，一般来说，列多索引不是很有用，因为它不可能从中选择一些非常奇怪的语法（列存储为元组，因此必须明确选择它们）。所以我不会在任何情况下推荐它。

我会打开一个问题来支持这两个问题，因为无论如何，无论如何，请看这里：https://github.com/pydata/pandas/issues/5823

Answer 2

在#5823解决之前，您可以在存储索引之前折叠索引，作为解决方法（请参阅此SO how：https://stackoverflow.com/a/14508355/548792）：

assert isinstance(df.columns, pd.MultiIndex), df
df.columns = ['.'.join(col).strip() for col in df.columns.values]
df.to_hdf(store, 'df', table=True)

要重新创建它，假设原始列名称中的任何位置都不存在其他点（.）：

df = store['/df']
df.columns = pd.MultiIndex.from_tuples([c.split('.') for c in df.columns])

Pandas HDFStore Tables不接受多索引列

2 个答案: