web-dev-qa-db-ja.com

マルチインデックスから選択pandas

列 'A'および 'B'のマルチインデックスデータフレームがあります。

インデックスを単一のカラムインデックスにリセットせずに、マルチインデックスの1つのカラムでフィルタリングして行を選択する方法はありますか？

例えば。

# has multi-index (A,B)
df
#can I do this? I know this doesn't work because the index is multi-index so I need to     specify a Tuple

df.ix[df.A ==1]
pythonpandasdataframemulti-index
73
silencer

1つの方法は、get_level_values Indexメソッドを使用することです：

In [11]: df
Out[11]:
     0
A B
1 4  1
2 5  2
3 6  3

In [12]: df.iloc[df.index.get_level_values('A') == 1]
Out[12]:
     0
A B
1 4  1

0.13では、 xsとdrop_level引数を使用 を使用できます。

df.xs(1, level='A', drop_level=False) # axis=1 if columns

注：これがインデックスではなく列MultiIndexである場合、同じ手法を使用できます。

In [21]: df1 = df.T

In [22]: df1.iloc[:, df1.columns.get_level_values('A') == 1]
Out[22]:
A  1
B  4
0  1
110
Andy Hayden

query を使用することもできます。これは私の意見では非常に読みやすく、使用するのは簡単です：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [10, 20, 50, 80], 'C': [6, 7, 8, 9]})
df = df.set_index(['A', 'B'])

      C
A B    
1 10  6
2 20  7
3 50  8
4 80  9

あなたが念頭に置いていたもののために、あなたは今やることができます：

df.query('A == 1')

      C
A B    
1 10  6

andを使用して、より複雑なクエリを作成することもできます

df.query('A >= 1 and B >= 50')

      C
A B    
3 50  8
4 80  9

およびor

df.query('A == 1 or B >= 50')

      C
A B    
1 10  6
3 50  8
4 80  9

異なるインデックスレベルでクエリすることもできます。

df.query('A == 1 or C >= 8')

戻ります

      C
A B    
1 10  6
3 50  8
4 80  9

クエリ内で変数を使用する場合は、 @を使用できます ：

b_threshold = 20
c_threshold = 8

df.query('B >= @b_threshold and C <= @c_threshold')

      C
A B    
2 20  7
3 50  8
26
Cleb

DataFrame.xs()を使用できます：

In [36]: df = DataFrame(np.random.randn(10, 4))

In [37]: df.columns = [np.random.choice(['a', 'b'], size=4).tolist(), np.random.choice(['c', 'd'], size=4)]

In [38]: df.columns.names = ['A', 'B']

In [39]: df
Out[39]:
A      b             a
B      d      d      d      d
0 -1.406  0.548 -0.635  0.576
1 -0.212 -0.583  1.012 -1.377
2  0.951 -0.349 -0.477 -1.230
3  0.451 -0.168  0.949  0.545
4 -0.362 -0.855  1.676 -2.881
5  1.283  1.027  0.085 -1.282
6  0.583 -1.406  0.327 -0.146
7 -0.518 -0.480  0.139  0.851
8 -0.030 -0.630 -1.534  0.534
9  0.246 -1.558 -1.885 -1.543

In [40]: df.xs('a', level='A', axis=1)
Out[40]:
B      d      d
0 -0.635  0.576
1  1.012 -1.377
2 -0.477 -1.230
3  0.949  0.545
4  1.676 -2.881
5  0.085 -1.282
6  0.327 -0.146
7  0.139  0.851
8 -1.534  0.534
9 -1.885 -1.543

Aレベルを保持する場合（drop_levelキーワード引数はv0.13.0以降でのみ使用可能です）：

In [42]: df.xs('a', level='A', axis=1, drop_level=False)
Out[42]:
A      a
B      d      d
0 -0.635  0.576
1  1.012 -1.377
2 -0.477 -1.230
3  0.949  0.545
4  1.676 -2.881
5  0.085 -1.282
6  0.327 -0.146
7  0.139  0.851
8 -1.534  0.534
9 -1.885 -1.543
26
Phillip Cloud

DataFrame.loc を使用できます。

>>> df.loc[1]

例

>>> print(df)
       result
A B C        
1 1 1       6
    2       9
  2 1       8
    2      11
2 1 1       7
    2      10
  2 1       9
    2      12

>>> print(df.loc[1])
     result
B C        
1 1       6
  2       9
2 1       8
  2      11

>>> print(df.loc[2, 1])
   result
C        
1       7
2      10
3
umn

別のオプションは次のとおりです。

filter1 = df.index.get_level_values('A') == 1
filter2 = df.index.get_level_values('B') == 4

df.iloc[filter1 & filter2]
Out[11]:
     0
A B
1 4  1
1
Gonzalo Goral