MultiIndexされたDataFrameにインデックスを付ける場合、.iloc
はインデックスの「内部レベル」を参照していると想定しているのに対し、.loc
は外部レベルを参照しているようです。
例えば:
np.random.seed(123)
iterables = [['bar', 'baz', 'foo', 'qux'], ['one', 'two']]
idx = pd.MultiIndex.from_product(iterables, names=['first', 'second'])
df = pd.DataFrame(np.random.randn(8, 4), index=idx)
# .loc looks at the outer index:
print(df.loc['qux'])
# df.loc['two'] would throw KeyError
0 1 2 3
second
one -1.25388 -0.63775 0.90711 -1.42868
two -0.14007 -0.86175 -0.25562 -2.79859
# while .iloc looks at the inner index:
print(df.iloc[-1])
0 -0.14007
1 -0.86175
2 -0.25562
3 -2.79859
Name: (qux, two), dtype: float64
2つの質問:
まず、これはなぜですか?それは意図的な設計決定ですか?
次に、.iloc
を使用してインデックスの外部レベルを参照し、以下の結果を生成できますか?最初にget_level_values
を使用してインデックスの最後のメンバーを検索し、次に.loc
- indexを使用して検索できることを知っていますが、ファンキーな.iloc
を使用して直接実行できる場合はさまよう構文またはケース専用に設計された既存の関数。
# df.iloc[-1]
qux one 0.89071 1.75489 1.49564 1.06939
two -0.77271 0.79486 0.31427 -1.32627
はい、これは 慎重な設計決定 です。
.iloc
は厳密な位置インデクサーであり、構造をまったく考慮せず、最初の実際の動作のみを考慮します。 ....loc
doesは、レベルの動作を考慮します。 【強調追加】
したがって、質問で与えられた望ましい結果は、.iloc
では柔軟な方法では不可能です。いくつかの同様の質問で使用される最も近い回避策は、
print(df.loc[[df.index.get_level_values(0)[-1]]])
0 1 2 3
first second
qux one -1.25388 -0.63775 0.90711 -1.42868
two -0.14007 -0.86175 -0.25562 -2.79859
ダブルブラケット を使用すると、最初のインデックスレベルが保持されます。
以下を使用できます。
_df.iloc[[6, 7], :]
Out[1]:
0 1 2 3
first second
qux one -1.253881 -0.637752 0.907105 -1.428681
two -0.140069 -0.861755 -0.255619 -2.798589
_
以下に示すように、_[6, 7]
_はこれらの行の実際の行インデックスに対応します。
_df.reset_index()
Out[]:
first second 0 1 2 3
0 bar one -1.085631 0.997345 0.282978 -1.506295
1 bar two -0.578600 1.651437 -2.426679 -0.428913
2 baz one 1.265936 -0.866740 -0.678886 -0.094709
3 baz two 1.491390 -0.638902 -0.443982 -0.434351
4 foo one 2.205930 2.186786 1.004054 0.386186
5 foo two 0.737369 1.490732 -0.935834 1.175829
6 qux one -1.253881 -0.637752 0.907105 -1.428681
7 qux two -0.140069 -0.861755 -0.255619 -2.798589
_
これは_df.iloc[[-2, -1], :]
_またはdf.iloc[range(-2, 0), :]
でも機能します。
編集:それをより一般的なソリューションに変える
次に、ジェネリック関数を取得することが可能です:
_def multindex_iloc(df, index):
label = df.index.levels[0][index]
return df.iloc[df.index.get_loc(label)]
multiindex_loc(df, -1)
Out[]:
0 1 2 3
first second
qux one -1.253881 -0.637752 0.907105 -1.428681
two -0.140069 -0.861755 -0.255619 -2.798589
multiindex_loc(df, 2)
Out[]:
0 1 2 3
first second
foo one 2.205930 2.186786 1.004054 0.386186
two 0.737369 1.490732 -0.935834 1.175829
_
swaplevel
メソッドを使用して、loc
を使用する前にインデックスを並べ替えることができます。
df.swaplevel(0,-1).loc['two']
質問のサンプルデータを使用すると、次のようになります。
>>> df
0 1 2 3
first second
bar one -1.085631 0.997345 0.282978 -1.506295
two -0.578600 1.651437 -2.426679 -0.428913
baz one 1.265936 -0.866740 -0.678886 -0.094709
two 1.491390 -0.638902 -0.443982 -0.434351
foo one 2.205930 2.186786 1.004054 0.386186
two 0.737369 1.490732 -0.935834 1.175829
qux one -1.253881 -0.637752 0.907105 -1.428681
two -0.140069 -0.861755 -0.255619 -2.798589
>>> df.loc['bar']
0 1 2 3
second
one -1.085631 0.997345 0.282978 -1.506295
two -0.578600 1.651437 -2.426679 -0.428913
>>> df.swaplevel().loc['two']
0 1 2 3
first
bar -0.578600 1.651437 -2.426679 -0.428913
baz 1.491390 -0.638902 -0.443982 -0.434351
foo 0.737369 1.490732 -0.935834 1.175829
qux -0.140069 -0.861755 -0.255619 -2.798589
swaplevel
はMultiIndexメソッドですが、DataFrameで直接呼び出すことができます。デフォルトでは、内側の2つのレベルを交換するため、マルチインデックスに3つ以上のレベルがある場合は、交換するレベルを明示的に指定する必要があります。
df.swaplevel(0,-1).loc['two']