如何用MultiIndex使用花哨的字符串日期索引

Question

让我们想象一下下面的DataFrame

import pandas as pd

df = pd.DataFrame({
    "id": [1, 1, 1], 
    "date": ["2020-1-1", "2020-1-4", "2020-2-3"], 
    "value": [1, 2, 3]
})
df["date"] = pd.to_datetime(df["date"], format="%Y-%m-%d")

# This is
#    id       date  value
# 0   1 2020-01-01      1
# 1   1 2020-01-04      2
# 2   1 2020-02-03      3

现在，以date列作为索引，我可以索引一个月，如下所示：

df.set_index("date")["2020-01"]
# Output:
#             id  value
# date                 
# 2020-01-01   1      1
# 2020-01-04   1      2

但是有了MultiIndex，我就无法使用这个特性了。我试过使用切片，比如：

df.set_index(["id", "date"])[:, "2020-01"]

这会引发一个

TypeError: '(slice(None, None, None), '2020-01')' is an invalid key

有干净的方法吗？

Answer 1

这是可能的，但需要IndexSlice，因为DatetimeIndex在第二级：

idx = pd.IndexSlice
print (df.set_index(["id", "date"]).loc[idx[:, '2020-01'], :])
               value
id date             
1  2020-01-01      1
   2020-01-04      2

如果DatetimeIndex在第一级：

print (df.set_index(["date", "id"]).loc['2020-01'])
               value
date       id       
2020-01-01 1       1
2020-01-04 1       2

DatetimeIndex部分字符串索引也适用于带有MultiIndex的DataFrame。

In [111]: dft2 = pd.DataFrame(np.random.randn(20, 1),
   .....:                     columns=['A'],
   .....:                     index=pd.MultiIndex.from_product(
   .....:                         [pd.date_range('20130101', periods=10, freq='12H'),
   .....:                          ['a', 'b']]))
   .....: 

In [112]: dft2
Out[112]: 
                              A
2013-01-01 00:00:00 a -0.298694
                    b  0.823553
2013-01-01 12:00:00 a  0.943285
                    b -1.479399
2013-01-02 00:00:00 a -1.643342
...                         ...
2013-01-04 12:00:00 b  0.069036
2013-01-05 00:00:00 a  0.122297
                    b  1.422060
2013-01-05 12:00:00 a  0.370079
                    b  1.016331

[20 rows x 1 columns]

In [113]: dft2.loc['2013-01-05']
Out[113]: 
                              A
2013-01-05 00:00:00 a  0.122297
                    b  1.422060
2013-01-05 12:00:00 a  0.370079
                    b  1.016331

In [114]: idx = pd.IndexSlice

In [115]: dft2 = dft2.swaplevel(0, 1).sort_index()


In [116]: dft2.loc[idx[:, '2013-01-05'], :]
Out[116]: 
                              A
a 2013-01-05 00:00:00  0.122297
  2013-01-05 12:00:00  0.370079
b 2013-01-05 00:00:00  1.422060
  2013-01-05 12:00:00  1.016331

Answer 2

要完成您想要做的事情，一种方法是将axis参数指定给.loc，以解释在单个轴上传递的切片器。

df.set_index(["id", "date"]).loc(axis=0)[:, "2020-01"]