我得到了一个用浮点数索引的熊猫多索引DataFrame。考虑以下示例:
arrays = [[0.21,0.21,0.21,0.22,0.22,0.22,0.23,0.23,0.23],
[0.81,0.8200000000000001,0.83,0.81,0.8200000000000001,0.83,0.81,0.8200000000000001,0.83]]
df = pd.DataFrame(np.random.randn(9, 2), index=arrays)
df
# 0 1
# 0.21 0.81 -2.234036 -0.145643
# 0.82 0.367248 -1.471617
# 0.83 -0.764520 0.686241
# 0.22 0.81 1.380429 1.546513
# 0.82 1.230707 1.826980
# 0.83 -1.198403 0.377323
# 0.23 0.81 -0.418367 -0.125763
# 0.82 0.682860 -0.119080
# 0.83 -1.802418 0.357573
以这种形式给我这个DataFrame。现在,如果我要检索条目df.loc[(0.21, 0.82)]
,则会收到错误消息,因为索引实际上并不包含0.82
而是0.8200000000000001
。我事先不知道这些问题在索引中出现的位置。我该如何解决这个问题?我的想法是将多重索引的两个级别都舍入为有效的小数位数,在这种情况下为2。但是那怎么办呢?有更好的解决方案吗?
答案 0 :(得分:1)
考虑改用整数:将浮点数乘以100(或1000)并转换为整数:
df.index = pd.MultiIndex.from_product([
(df.index.levels[0] * 100).astype(int),
(df.index.levels[1] * 100).astype(int)])
与浮点数不同,整数是精确的。现在,您可以使用df.loc[(21, 82)]
来访问数据。
答案 1 :(得分:0)
您可以使用rename
函数将函数应用于MultiIndex
的每个值:
df = df.rename(index=lambda val: round(val, 2))
print(df.loc[(.21, .82)])
0 0.260015
1 -0.233822
Name: (0.21, 0.82), dtype: float64
但是由于https://docs.python.org/3/tutorial/floatingpoint.html,我不确定是否将浮点数作为特定键 (简要示例)
>>> .1 + .1 + .1 == .3
False
尽管我很好奇别人对此的看法。因为我不确定您可能遇到的现实问题。
您始终可以将浮点数截断为字符串,然后通过字符串访问数据框以确保准确性:
df = df.rename(index="{:.2f}".format)
print(df.loc[("0.21", "0.82")]) # note that the leading 0 is important here now
0 0.260015
1 -0.233822
Name: (0.21, 0.82), dtype: float64