我在pandas中有一对时间序列,一个函数将查看它们的小时间片,并根据行中值的某些条件提取行。此函数返回两个数据帧的元组,删除这些匹配的行并放在新数据帧列表中。
我已经意识到,问题在于,数据框可能包含两个相同的索引是可能的(尽管非常不可能),在这种情况下,drop命令将删除原始索引和具有重复索引的行,这有时会导致错误的结果。
请注意,两个数据帧都很小,在所有情况下都不到10行,因此可靠的O()行为很好。
我想过两个解决方法,但我不确定如何实现它们。
(1)按整数位置引用行,但drop似乎不适用于整数规范。我能做到:
df.reset_index().drop(1).set_index(["Thingy", "Other"])
重置多索引,但这依赖于我知道其他索引级别的名称,并且感觉真的很慢/ hacky。虽然我猜它可能很好。
(2)检查重复的索引,然后为它们添加一些微小的timedelta,这样它们将不再是重复的,但我也无法弄清楚如何优雅地做到这一点。
以下是此类功能的简单示例:
def extract_pairs(df_first, df_second, threshold=0.0):
name1 = df_first.name
name2 = df_second.name
results = []
flag = False
for index1, row1 in df_first.iterrows():
for index2, row2 in df_second.iterrows():
val1 = row1.get_value("SIZE")
val2 = row2.get_value("SIZE")
if val1*(1-threshold) <= val2 <= val1*(1+threshold) :
row1.loc["Name"] = name1
row2.loc["Name"] = name2
results.append(pd.DataFrame([row1, row2], index=[index1, index2]))
flag = True
break
if flag:
break
if flag:
df_first = df_first.drop(index1) #May remove more than one entry!
df_first.name = name1
df_second = df_second.drop(index2) #May remove more than one entry!
df_second.name = name2
df_first, df_second, new_results = extract_pairs(df_first, df_second)
results.extend(new_results)
return df_first, df_second, results
==================例===============
假设输入数据帧是:
Index SIZE Index SIZE
A 5 B 5
A 7 C 6
调用时,所需的输出为三帧:
Index SIZE Index SIZE Index Name Size
A 7 C 6 A Foo 5
B Bar 5
但是给出的函数的实际输出是:
Index SIZE Index SIZE Index Name Size
EMPTY DF C 6 A Foo 5
B Bar 5
因为drop(index1)行会删除带有索引A的所有行。
答案 0 :(得分:1)
我认为,您可以执行以下步骤:
reset_index()
将索引放入数据框.index
返回行位置drop()
按位置划分的行set_index(index)
,将“index”列设置为索引我做了以下示例,我想删除列A&gt;的所有行0 ,返回的rowindex将是[1,2,2],但第四行的名称也是“2”,这是你的问题吗?
# Generate the dataset
np.random.seed(1)
rowname = [1,2,2,2,4,4]
myDf = pd.DataFrame(np.random.randn(6,4), index=rowname, columns=list('ABCD'))
print myDf
>>>
A B C D
1 1.624345 -0.611756 -0.528172 -1.072969
2 0.865408 -2.301539 1.744812 -0.761207
2 0.319039 -0.249370 1.462108 -2.060141
2 -0.322417 -0.384054 1.133769 -1.099891
4 -0.172428 -0.877858 0.042214 0.582815
4 -1.100619 1.144724 0.901591 0.502494
# put your rowindex to your dataframe
newDf = myDf.reset_index()
# get the index from the new dataframe, drop them and set the index back to your result
result = newDf.drop(newDf[newDf.A>0].index).set_index("index")
print result
>>> A B C D
index
2 -0.322417 -0.384054 1.133769 -1.099891
4 -0.172428 -0.877858 0.042214 0.582815
4 -1.100619 1.144724 0.901591 0.502494