熊猫MultiIndex，按1级和2级选择值

Question

在1.level和2.level中选择值会出现一些问题。

我通过设置MultiIndex获得了一个header = [0,1]

In[1]:  df = pd.read_csv('Data.txt', sep='\t', header=[0,1], skipinitialspace=True)

In[2]:  print(df.columns)

Out[2]: MultiIndex(
        levels=[['20052065', '20052066', '20052082', '20052087', '20052089'], 
                ['CTF1', 'CTF2', 'CTF3', 'CTF_M', 'CTM1', 'CTM2', 'CTM3', 'CTM_M']],
        labels=[[...]],
        names=[...])

如果它试图从1.level获取2级值和选定元素的数据，我将得到以下输出：

In[3]:  print(df['20052065'][['CTF1','CTF_M']])

Out[3]: TIME[s]     CTF1    CTF_M
        0.000    -14.386   14.963
        60.000   -26.937   34.729
        120.000  -29.986   58.265
            ...      ...      ...

现在，我尝试为两个元素生成输出，并执行如下操作：

In[4]:  print(df[['20052065','20052066']][['CTF1','CTF_M']])

Out[4]: KeyError: "['CTF1' 'CTF_M'] not in index"

不知怎么的，这不管用。也许你知道哪里出了大错？

谢谢你帮忙。

编辑： In[1]: print(df)看起来如下：

Out[1]:          ELEMENT 20052065 20052066 20052082 20052087 20052089 20052090  \
       TIME[s]   TEMP[C]     CTF1     CTF1     CTF1     CTF1     CTF1     CTF1   
       0.000      24.000   -4.234   -6.728  -14.386   -4.356   -6.926  -10.205   
       60.000     36.137  -29.308  -24.795  -26.937  -30.134  -24.735  -23.474 
          ...        ...      ...      ...      ...      ...      ...      ...

*.txt文件看起来像：

​

​

Answer 1

你可以用df.loc

import numpy as np
import pandas as pd

columns = pd.MultiIndex.from_product([['A','B','C'],['X','Y','Z']])
df = pd.DataFrame(np.random.randint(10, size=(3,len(columns))), columns=columns)
#    A        B        C      
#    X  Y  Z  X  Y  Z  X  Y  Z
# 0  2  7  5  1  6  0  5  0  0
# 1  8  4  7  2  0  8  7  3  9
# 2  0  6  8  8  1  1  8  0  2

# In some cases `sort_index` may be needed to avoid UnsortedIndexError
df = df.sort_index(axis=1)
print(df.loc[:, (['A','B'],['X','Y'])])

收益(类似)：

   A     B   
   X  Y  X  Y
0  2  7  1  6
1  8  4  2  0
2  0  6  8  1

如果您只想选择，比方说，('A','Y')和('B','X')列，那么请注意，您可以将MultiIndexed列指定为元组：

In [37]: df.loc[:, [('A','Y'),('B','X')]]
Out[37]: 
   A  B
   Y  X
0  7  1
1  4  2
2  6  8

甚至只有df[[('A','Y'),('B','X')]] (这会产生相同的结果)。

一般来说，最好使用单个索引器(如df.loc[...] )，而不是双索引(例如df[...][...])。它可能会更快(因为它对__getitem__的调用更少，生成的临时子DataFrames也更少)和df.loc[...] = value --向修改df本身的DataFrame的子片分配任务是正确的方式。

df[['A','B']][['X','Y']]不能工作的原因是df[['A','B']]返回带有MultiIndex的DataFrame：

In [36]: df[['A','B']]
Out[36]: 
   A        B      
   X  Y  Z  X  Y  Z
0  2  7  5  1  6  0
1  8  4  7  2  0  8
2  0  6  8  8  1  1

所以用['X','Y']索引这个['X','Y']失败了，因为没有顶级的列标签名为'X'或'Y'。

有时，根据DataFrame的构造方式(或者由于在DataFrame上执行的操作)，需要对MultiIndex进行词汇排序，然后才能将其切片。有一个文档中的装箱警告提到了这个问题。若要对列索引进行词汇排序，请使用

df = df.sort_index(axis=1)

Answer 2

我想需要切片机

print (df)
  20052065 20052066 20052065 20052066 20052065 20052066
      CTF1    CTF_M   CTF_M1   CTF_Mr        V        A
0        1        2        4        5        6        7

df = df.sort_index(axis=1)
idx = pd.IndexSlice
print (df.loc[:, idx[['20052065','20052066'], ['CTF1','CTF_M']]])
  20052065 20052066
      CTF1    CTF_M
0        1        2