Question

所以我用MultiIndex创建一个数据框

df = pd.DataFrame({
    'C1': ['x', 'x', 'y', 'y', 'z', 'z'],
    'C2': ['a', 'b', 'a', 'b', 'a', 'b'],
    'C3': [10, 11, 12, 13, 14, 15]})
df.set_index(['C1', 'C2'], inplace=True)

然后我得到以下数据框

我也有一个索引为C2的系列：

series = pd.Series([100], index=['a'])

我想将此系列分配给新列C4，仅分配给“ x”第一个索引。如果我使用.assign可以使用，但是会返回一个副本：

df.loc['x'].assign(C4=series)

我得到

    C3     C4
C2           
a   10  100.0
b   11    NaN

但是我无法将其分配给原始数据

df.loc['x'] = df.loc['x'].assign(C4=series)

收益

         C3
C1 C2      
x  a    NaN
   b    NaN

如果我使用这样的分配，我会得到相同的结果：

df.loc['x', 'C4'] = series

但是会产生NaN。

         C3  C4
C1 C2          
x  a    NaN NaN
   b    NaN NaN
y  a   12.0 NaN
   b   13.0 NaN
z  a   14.0 NaN
   b   15.0 NaN

我该如何分配？

Answer 1

您可以去pd.IndexSlice即

df.loc[pd.IndexSlice['x',series.index.tolist()],'C4']  = series.values

       C3     C4
C1 C2           
x  a   10  100.0
   b   11    NaN
y  a   12    NaN
   b   13    NaN
z  a   14    NaN
   b   15    NaN

Answer 2

我想将此系列分配给新列C4，仅分配给 “ x”第一个索引。

一种方法是从索引级别映射序列。密钥方法是pd.Index.get_level_values。然后覆盖到不需要映射的NaN。

f['C4'] = df.index.get_level_values(1).map(series.get)
df.loc[df.index.get_level_values(0) != 'x', 'C4'] = np.nan

print(df)

       C3     C4
C1 C2           
x  a   10  100.0
   b   11    NaN
y  a   12    NaN
   b   13    NaN
z  a   14    NaN
   b   15    NaN

或者，您可以使用numpy.where：

df['C4'] = np.where(df.index.get_level_values(0) == 'x',
                    df.index.get_level_values(1).map(series.get),
                    np.nan)

熊猫将系列分配给新列以进行多索引

2 个答案: