MultiIndexing行与pandas DataFrame中的列

Question

我正在使用pandas中的多索引数据框，我想知道是否应该对行或列进行多重索引。

我的数据看起来像这样：

代码：

import numpy as np
import pandas as pd
arrays = pd.tools.util.cartesian_product([['condition1', 'condition2'], 
                                          ['patient1', 'patient2'],
                                          ['measure1', 'measure2', 'measure3']])
colidxs = pd.MultiIndex.from_arrays(arrays, 
                                    names=['condition', 'patient', 'measure'])
rowidxs = pd.Index([0,1,2,3], name='time')
data = pd.DataFrame(np.random.randn(len(rowidxs), len(colidxs)), 
                    index=rowidxs, columns=colidxs)

这里我选择对列进行多重索引，其基本原理是pandas dataframe由系列组成，而我的数据最终是一堆时间序列（因此在这里按时间行索引）。

我有这个问题，因为多列索引似乎在行和列之间存在一些不对称性。例如，在this文档网页中，它显示query如何为行多索引数据框工作，但如果数据帧是列多重索引，那么文档中的命令必须替换为{{1} }}。

我的问题可能看起来有些愚蠢，但我想看看多索引行与数据帧列之间的便利性是否存在差异（例如上面的df.T.query('color == "red"').T案例）。

感谢。

Answer 1

我称之为DataFrame的一些常见操作的行/列倾向的粗略个人摘要：

• []：column-first
• get：仅限列
• 作为索引访问的属性：仅限列
• query：仅限行
• loc, iloc, ix：row-first
• xs：row-first
• sortlevel：row-first
• groupby：row-first

＆＃34;行第一＆＃34;表示操作期望行索引作为第一个参数，并且要对列索引进行操作，需要使用[:, ]或指定axis=1;
＆＃34;行只＆＃34;表示该操作仅适用于行索引，并且必须执行诸如转置数据帧以对列索引进行操作之类的操作。

基于此，似乎多索引行更方便。

我的一个自然问题：为什么熊猫开发者不会统一DataFrame操作的行/列倾向？例如，[]和loc/iloc/ix是索引数据帧的两种最常见方式，但是一个切片列和其他切片行似乎有点奇怪。