Question

我有一个MultiIndex数据框，我试图根据我的列中的值范围和最外层的索引级别来索引。因此，使用下面的示例，例如我正在尝试从v2中选择l2所在的v1 > 12

的值

我可以使用多个索引语句来实现这一点，例如： df[df.v1>12].loc['l2', 'v2']，但这似乎不太理想。有没有办法将其压缩成单个语句？

我一直在试图弄清楚如何使用pd.IndexSlice，但似乎无法理解文档的MultiIndex部分中的示例正在做什么。

df = pd.concat([pd.DataFrame({'v1': range(10, 15), 'v2':range(5, 0, -1)}) 
                for i in range(2)], keys=['l1', 'l2'])

      v1  v2
l1 0  10   5
   1  11   4
   2  12   3
   3  13   2
   4  14   1
l2 0  10   5
   1  11   4
   2  12   3
   3  13   2
   4  14   1

Answer 1

您可以使用slicers选择，然后使用loc修改boolean indexing以选择列v2：

idx = pd.IndexSlice
df1 = df.loc[idx['l2', :], :]
print (df1)
      v1  v2
l2 0  10   5
   1  11   4
   2  12   3
   3  13   2
   4  14   1

print (df1.loc[df1.v1 > 12, 'v2'])
l2  3    2
    4    1
Name: v2, dtype: int32

xs的另一个解决方案：

df1 = df.xs('l2')
print (df1)
   v1  v2
0  10   5
1  11   4
2  12   3
3  13   2
4  14   1

print (df1.loc[df1.v1 > 12, 'v2'])
3    2
4    1
Name: v2, dtype: int32

df1 = df.xs('l2', drop_level=False)
print (df1)
      v1  v2
l2 0  10   5
   1  11   4
   2  12   3
   3  13   2
   4  14   1

print (df1.loc[df1.v1 > 12, 'v2'])
l2  3    2
    4    1
Name: v2, dtype: int32

通过get_level_values选择第一级索引的解决方案，如果需要删除第一级使用droplevel或reset_index，则为last：

df1 = df.loc[(df.v1 > 12) & (df.index.get_level_values(0) == 'l2'), 'v2']
df1.index = df1.index.droplevel(0)
#df1 = df1.reset_index(level=0, drop=True)
print (df1)
3    2
4    1
Name: v2, dtype: int32

IndexSlice的示例：

从1到3选择第一级和第二级的所有值（感谢 piRSquared ）：

idx = pd.IndexSlice
print (df.loc[idx[:, 1:3], :])
      v1  v2
l1 1  11   4
   2  12   3
   3  13   2
l2 1  11   4
   2  12   3
   3  13   2

使用MultiIndex df（pandas）进行布尔索引

1 个答案: