Question

我正在尝试使用多级索引对数据帧进行子集化。例如：

df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
                   'office_id': range(1, 7) * 2,
                   'sales': [np.random.randint(100000, 999999)
                             for _ in range(12)]})

df2=df.groupby(['state', 'office_id']).agg({'sales': 'sum'})

                  sales
state office_id        
AZ    2          839507
      4          373917
      6          347225
CA    1          798585
      3          890850
      5          454423
CO    1          819975
      3          202969
      5          614011
WA    2          163942
      4          369858
      6          959285

如您所见，df2包含带有state和office_id的多级索引。对于df2，我想使用multindex对数据帧进行子集化，找到以下内容：

1）只有州= AZ

2）只有office_id＆lt; 4

3）state = CA和office_id = 5

从历史上看，我会将索引放在数据框中，并按列进行子集化，但这样做效率不高。

有人可以指出我正确的方向吗？谢谢！

Answer 1

使用索引.get_level_values的索引，即示例

df2.loc[(df2.index.get_level_values(0)=='AZ')]
# Also you can specify the name i.e df2.loc[(df2.index.get_level_values('state')=='AZ')]
                 sales
state office_id        
AZ    2          469728
      4          398925
      6          704669

df2.loc[(df2.index.get_level_values(0)=='CA') & (df2.index.get_level_values(1)<4)]

                  sales
state office_id        
CA    1          105244
      3          116514

Answer 2

您还可以使用query方法：

由于随机数，我的df2有点不同：

df2
                  sales
state office_id        
AZ    2          399569
      4          784863
      6          161690
CA    1          324148
      3          631289
      5          917734
CO    1          380714
      3          289783
      5          682802
WA    2          941091
      4          804442
      6          379563

只有亚利桑那州办事处：

df2.query('state == "AZ"')
                  sales
state office_id        
AZ    2          399569
      4          784863
      6          161690

只有办公室ID少于4：

df2.query('office_id < 4')

                  sales
state office_id        
AZ    2          399569
CA    1          324148
      3          631289
CO    1          380714
      3          289783
WA    2          941091

加州和办公室id = 5

df2.query('state == "CA" & office_id == 5')
                 sales
state office_id        
CA    5          917734

python：使用多级索引对数据帧进行子集化

2 个答案: