我有一个迭代过程,每次迭代都使用不同的参数值运行,我想收集参数值和结果并将其放入具有从参数值集(唯一)建立的多索引的Pandas数据框中。
每次迭代时,参数值都在这样的字典中:
params = {'p': 2, 'q': 7}
因此很容易将它们与结果一起收集在列表中:
results_index = [
{'p': 2, 'q': 7},
{'p': 2, 'q': 5},
{'p': 1, 'q': 4},
{'p': 2, 'q': 4}
]
results_data = [
{'A': 0.18, 'B': 0.18},
{'A': 0.67, 'B': 0.21},
{'A': 0.96, 'B': 0.45},
{'A': 0.58, 'B': 0.66}
]
但是我找不到从results_index
生成所需的多索引的简单方法。
我尝试过:
df = pd.DataFrame(results_data, index=results_index)
但是它产生了:
A B
{'p': 2, 'q': 7} 0.18 0.18
{'p': 2, 'q': 5} 0.67 0.21
{'p': 1, 'q': 4} 0.96 0.45
{'p': 2, 'q': 4} 0.58 0.66
(索引未转换为MultiIndex)
我想要的是这个
A B
p q
2 7 0.18 0.18
5 0.67 0.21
1 4 0.96 0.45
2 4 0.58 0.66
这可行,但是必须有一种更简单的方法:
df = pd.concat([pd.DataFrame(results_index), pd.DataFrame(results_data)], axis=1).set_index(['p', 'q'])
更新:
这也可以,但是让我感到紧张,因为我如何确定参数值与级别名称对齐?
index = pd.MultiIndex.from_tuples([tuple(i.values()) for i in results_index],
names=results_index[0].keys())
df = pd.DataFrame(results_data, index=index)
A B
p q
2 7 0.18 0.18
5 0.67 0.21
1 4 0.96 0.45
2 4 0.58 0.66
答案 0 :(得分:2)
创建列表字典并传递到MultiIndex.from_arrays
:
#https://stackoverflow.com/a/33046935
d = {k: [dic[k] for dic in results_index] for k in results_index[0]}
print(d)
{'p': [2, 2, 1, 2], 'q': [7, 5, 4, 4]}
mux = pd.MultiIndex.from_arrays(list(d.values()), names=list(d))
df = pd.DataFrame(results_data, index=mux)
print (df)
A B
p q
2 7 0.18 0.18
5 0.67 0.21
1 4 0.96 0.45
2 4 0.58 0.66
答案 1 :(得分:1)
我尝试使用.join()
df1 = pd.DataFrame(results_index)
df2 = pd.DataFrame(results_data)
result = df1.join(df2, how='outer').set_index(['p','q'])
我得到了相同的结果,发现这更容易。希望这对您有所帮助。
答案 2 :(得分:1)
我最近遇到了这个问题,似乎有比接受的答案更简洁的方法:
A B
p q
2 7 0.18 0.18
5 0.67 0.21
1 4 0.96 0.45
2 4 0.58 0.66
输出:
timezone
答案 3 :(得分:0)
这是@jezrael回答的一种变体。稍微更简洁一些,并且具有能够处理参数字典中潜在不一致的好处。但是速度却不如以前。
index_df = pd.DataFrame(results_index)
index = pd.MultiIndex.from_arrays(index_df.values.transpose(),
names=index_df.columns)
pd.DataFrame(results_data, index=index)
输出:
A B
p q
2 7 0.18 0.18
5 0.67 0.21
1 4 0.96 0.45
2 4 0.58 0.66