J'ai un cadre de données multi-index avec les colonnes 'A' et 'B'.
Existe-t-il un moyen de sélectionner des lignes en filtrant une colonne du multi-index sans réinitialiser l'index à un seul index de colonne?
Par exemple.
# 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]
Une solution consiste à utiliser le get_level_values
Méthode d'indexation:
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
En 0.13, vous pourrez utiliser xs
avec drop_level
argument :
df.xs(1, level='A', drop_level=False) # axis=1 if columns
Remarque: s'il s'agissait d'une colonne MultiIndex plutôt que d'un index, vous pourriez utiliser la même technique:
In [21]: df1 = df.T
In [22]: df1.iloc[:, df1.columns.get_level_values('A') == 1]
Out[22]:
A 1
B 4
0 1
Vous pouvez aussi utiliser query
qui est très lisible à mon avis et facile à utiliser:
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
Pour ce que vous aviez en tête, vous pouvez maintenant simplement faire:
df.query('A == 1')
C
A B
1 10 6
Vous pouvez également avoir des requêtes plus complexes en utilisant and
df.query('A >= 1 and B >= 50')
C
A B
3 50 8
4 80 9
et or
df.query('A == 1 or B >= 50')
C
A B
1 10 6
3 50 8
4 80 9
Vous pouvez également interroger différents niveaux d’index , par exemple.
df.query('A == 1 or C >= 8')
reviendra
C
A B
1 10 6
3 50 8
4 80 9
Si vous souhaitez utiliser des variables dans votre requête, vous pouvez utiliser @
:
b_threshold = 20
c_threshold = 8
df.query('B >= @b_threshold and C <= @c_threshold')
C
A B
2 20 7
3 50 8
Vous pouvez utiliser DataFrame.xs()
:
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
Si vous souhaitez conserver le niveau A
(le mot clé drop_level
N'est disponible qu'à partir de la v0.13.0):
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
Vous pouvez utiliser DataFrame.loc
:
>>> df.loc[1]
>>> 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
Une autre option est:
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