web-dev-qa-db-ja.com

複合（階層）インデックスを使用したPandas=データフレームからの行の選択

これは簡単なことではないかと疑っていますが、階層キーの値に基づいてPandasデータフレームから行を選択できるようにする呪文をまだ発見していません。次のデータフレームがあります。

import pandas
df = pandas.DataFrame({'group1': ['a','a','a','b','b','b'],
                       'group2': ['c','c','d','d','d','e'],
                       'value1': [1.1,2,3,4,5,6],
                       'value2': [7.1,8,9,10,11,12]
})
df = df.set_index(['group1', 'group2'])

dfは、予想どおりに見えます。

enter image description here

Dfがgroup1でインデックス付けされていない場合、次のことができます。

df['group1' == 'a']

しかし、インデックス付きのこのデータフレームでは失敗します。だから、多分これをPandas階層インデックス付きのシリーズのように考える必要があります：

df['a','c']

いや。それも失敗します。

だから、どのようにすべての行を選択するのですか？

  1. group1 == 'a'
  2. group1 == 'a'＆group2 == 'c'
  3. group2 == 'c'
  4. ['a'、 'b'、 'c']のgroup1
pythonpandasdataframemulti-index
33
JD Long

xsを使用して、非常に正確に試してください。

In [5]: df.xs('a', level=0)
Out[5]: 
        value1  value2
group2                
c          1.1     7.1
c          2.0     8.0
d          3.0     9.0

In [6]: df.xs('c', level='group2')
Out[6]: 
        value1  value2
group1                
a          1.1     7.1
a          2.0     8.0
49
Wes McKinney

次のような構文が機能します。

df.ix['a']
df.ix['a'].ix['c']

group1およびgroup2はインデックスです。私の以前の試みを許してください！

2番目のインデックスのみを取得するには、インデックスを交換する必要があると思います。

df.swaplevel(0,1).ix['c']

しかし、私が間違っていればWesは私を修正すると確信しています。

9
Chris Fonnesbeck

Python 0.19.0では、ここで説明されている新しい提案されたアプローチがあります 1 。彼らが与える最も明確な例は、 4レベルのインデックス作成。これがデータフレームの作成方法です。

_In [46]: def mklbl(prefix,n):
   ....:     return ["%s%s" % (prefix,i)  for i in range(n)]
   ....: 

In [47]: miindex = pd.MultiIndex.from_product([mklbl('A',4),
   ....:                                       mklbl('B',2),
   ....:                                       mklbl('C',4),
   ....:                                       mklbl('D',2)])
   ....: 

In [48]: micolumns = pd.MultiIndex.from_tuples([('a','foo'),('a','bar'),
   ....:                                        ('b','foo'),('b','bah')],
   ....:                                       names=['lvl0', 'lvl1'])
   ....: 

In [49]: dfmi = pd.DataFrame(np.arange(len(miindex)*len(micolumns)).reshape((len(miindex),len(micolumns))),
   ....:                     index=miindex,
   ....:                     columns=micolumns).sort_index().sort_index(axis=1)
   ....: 

In [50]: dfmi
Out[50]: 
lvl0           a         b     
lvl1         bar  foo  bah  foo
A0 B0 C0 D0    1    0    3    2
         D1    5    4    7    6
      C1 D0    9    8   11   10
         D1   13   12   15   14
      C2 D0   17   16   19   18
         D1   21   20   23   22
      C3 D0   25   24   27   26
...          ...  ...  ...  ...
A3 B1 C0 D1  229  228  231  230
      C1 D0  233  232  235  234
         D1  237  236  239  238
      C2 D0  241  240  243  242
         D1  245  244  247  246
      C3 D0  249  248  251  250
         D1  253  252  255  254
_

そして、これは彼らが異なる行を選択する方法です：

_In [51]: dfmi.loc[(slice('A1','A3'),slice(None), ['C1','C3']),:]
Out[51]: 
lvl0           a         b     
lvl1         bar  foo  bah  foo
A1 B0 C1 D0   73   72   75   74
         D1   77   76   79   78
      C3 D0   89   88   91   90
         D1   93   92   95   94
   B1 C1 D0  105  104  107  106
         D1  109  108  111  110
      C3 D0  121  120  123  122
...          ...  ...  ...  ...
A3 B0 C1 D1  205  204  207  206
      C3 D0  217  216  219  218
         D1  221  220  223  222
   B1 C1 D0  233  232  235  234
         D1  237  236  239  238
      C3 D0  249  248  251  250
         D1  253  252  255  254
_

簡単に言うと、df.loc[(indices),:]で、レベルごとに選択するインデックスを最高レベルから最低レベルまで指定します。インデックスの最低レベルを選択したくない場合は、インデックスの指定を省略できます。指定した他のレベルの間にスライスを作成したくない場合は、slice(None)を追加します。例では両方のケースが示されており、レベルDは省略され、レベルBはAとCの間に指定されています。

1
Robin Kramer