pandas MultiIndex :获取特定级别和iloc的值

Question

我正在寻找等同于DataFrame的MultiIndex的at。

我目前的实现使用：

mi = df.columns # This is a multi-index
mi.get_level_values(level_name)[i]

我担心这对性能不好。是否有其他值可用于读取索引i处的特定level

示例：

mi = pd.MultiIndex.from_product([[1,2,3], [4,5,6]], names=['i', 'j'])
df = pd.DataFrame({'x': range(9)}, index=mi)

df

     x
i j
1 4  0
  5  1
  6  2
2 4  3
  5  4
  6  5
3 4  6
  5  7
  6  8

df.index.get_level_values('j')[3]
4

有没有什么短期的df.index.get_level_values('j')[3]替代方案？

Answer 1

如果我没理解错的话，我猜你可以把你的DataFrame子集。类似于：

df.loc['level'] # In case there is more than one level: df.loc[('level1': 'level2')]

这将为您提供行(或多行)，并从那里您可以再次垂直子集。同时在两个方向上设置子集将类似于：

df.loc['your_desired_column', 'level1': 'level2']

如果您有多个索引，则基于外部索引和内部索引的sintax to子集是不同的。

Outser:使用字符串内部:使用元组

如下所示：

df.loc['level1':'level2'] # Outer
df.loc[('outer1', 'inner1'):('outer2', 'inner2')] # Outer & Inner

我希望这对你有帮助！

Answer 2

查看pandas提供的Basic indexing on axis with MultiIndex文档。

下面是一些示例：

In [18]: df = pd.DataFrame(np.random.randn(3, 8), index=['A', 'B', 'C'], columns=index)

In [19]: df
Out[19]: 
first        bar                 baz                 foo                 qux          
second       one       two       one       two       one       two       one       two
A       0.895717  0.805244 -1.206412  2.565646  1.431256  1.340309 -1.170299 -0.226169
B       0.410835  0.813850  0.132003 -0.827317 -0.076467 -1.187678  1.130127 -1.436737
C      -1.413681  1.607920  1.024180  0.569605  0.875906 -2.211372  0.974466 -2.006747

In [25]: df['bar']
Out[25]: 
second       one       two
A       0.895717  0.805244
B       0.410835  0.813850
C      -1.413681  1.607920

In [26]: df['bar', 'one']
Out[26]: 
A    0.895717
B    0.410835
C   -1.413681
Name: (bar, one), dtype: float64

In [27]: df['bar']['one']
Out[27]: 
A    0.895717
B    0.410835
C   -1.413681
Name: one, dtype: float64

In [28]: s['qux']
Out[28]: 
one   -1.039575
two    0.271860
dtype: float64