Question

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。

Answer 1

我认为，您可以执行以下步骤：

使用reset_index()将索引放入数据框
选择标准后的行，使用.index返回行位置
drop()按位置划分的行
使用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

处理pandas DF中的重复索引

1 个答案: