溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“Pandas中怎么使用MultiIndex選擇并提取任何行和列”，在日常操作中，相信很多人在Pandas中怎么使用MultiIndex選擇并提取任何行和列問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Pandas中怎么使用MultiIndex選擇并提取任何行和列”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
使用多索引（分層索引）可以方便地對pandas.DataFrame和pandas.Series的索引進行分層配置，以便可以為每個層次結構計算統計信息，例如總數和平均值。
以下csv數據為例。每個索引列都命名為level_x。
import pandas as pd
df = pd.read_csv('./data/25/sample_multi.csv', index_col=[0, 1, 2])
print(df)
# val_1 val_2
# level_1 level_2 level_3
# A0 B0 C0 98 90
# C1 44 9
# B1 C2 39 17
# C3 75 71
# A1 B2 C0 1 89
# C1 54 60
# B3 C2 47 6
# C3 16 5
# A2 B0 C0 75 22
# C1 19 4
# B1 C2 25 52
# C3 57 40
# A3 B2 C0 64 54
# C1 27 96
# B3 C2 100 77
# C3 22 50
print(df.index)
# MultiIndex(levels=[['A0', 'A1', 'A2', 'A3'], ['B0', 'B1', 'B2', 'B3'], ['C0', 'C1', 'C2', 'C3']],
# labels=[[0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3], [0, 0, 1, 1, 2, 2, 3, 3, 0, 0, 1, 1, 2, 2, 3, 3], [0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3]],
# names=['level_1', 'level_2', 'level_3'])這里，將描述以下內容。
選擇并提取帶有loc的任何行或列
特殊切片規范：slice（），pd.IndexSlice []
xs方法
給選擇賦值
可以像使用普通索引一樣使用loc []選擇和提取任何行/列。
Pandas獲取和修改任意位置的值（at,iat,loc,iloc）
在示例中，索引是一個多索引，但是當列是一個多索引時，同樣的想法也適用。
如果選擇上層（外層），則它與普通loc []相同。
指定整列時，可以省略back slice :，但是使用后述的slice（None）或pd.IndexSlice時，不能將其省略（這會導致錯誤），因此請明確指定。擁有它是安全的。
print(df.loc['A0', 'val_1']) # level_2 level_3 # B0 C0 98 # C1 44 # B1 C2 39 # C3 75 # Name: val_1, dtype: int64 print(df.loc['A0', :]) # val_1 val_2 # level_2 level_3 # B0 C0 98 90 # C1 44 9 # B1 C2 39 17 # C3 75 71 print(df.loc['A0']) # val_1 val_2 # level_2 level_3 # B0 C0 98 90 # C1 44 9 # B1 C2 39 17 # C3 75 71
也可以通過切片或列表選擇范圍。
print(df.loc['A0':'A2', :]) # val_1 val_2 # level_1 level_2 level_3 # A0 B0 C0 98 90 # C1 44 9 # B1 C2 39 17 # C3 75 71 # A1 B2 C0 1 89 # C1 54 60 # B3 C2 47 6 # C3 16 5 # A2 B0 C0 75 22 # C1 19 4 # B1 C2 25 52 # C3 57 40 print(df.loc[['A0', 'A2'], :]) # val_1 val_2 # level_1 level_2 level_3 # A0 B0 C0 98 90 # C1 44 9 # B1 C2 39 17 # C3 75 71 # A2 B0 C0 75 22 # C1 19 4 # B1 C2 25 52 # C3 57 40
還可以通過從上層（外層）按順序指定值來縮小范圍。按元組順序指定值。
print(df.loc[('A0', 'B1'), :])
# val_1 val_2
# level_3
# C2 39 17
# C3 75 71
print(df.loc[('A0', 'B1', 'C2'), :])
# val_1 39
# val_2 17
# Name: (A0, B1, C2), dtype: int64如果按順序指定元組，則列表將起作用，但切片將失敗。
print(df.loc[(['A0', 'A1'], ['B0', 'B3']), :])
# val_1 val_2
# level_1 level_2 level_3
# A0 B0 C0 98 90
# C1 44 9
# A1 B3 C2 47 6
# C3 16 5
# print(df.loc[(:, 'B1'), :])
# SyntaxError: invalid syntax
# print(df.loc[('A1':'A3', 'B2'), :])
# SyntaxError: invalid syntax當從具有多索引的上層（外層）開始按順序指定元組的值時，將slice（）用于切片。
可以使用slice（start，stop，step）創建slice start：stop：step。stop和step可以省略。整個切片：slice(None)。
print(df.loc[(slice(None), 'B1'), :])
# val_1 val_2
# level_1 level_2 level_3
# A0 B1 C2 39 17
# C3 75 71
# A2 B1 C2 25 52
# C3 57 40
print(df.loc[(slice('A1', 'A3'), 'B2'), :])
# val_1 val_2
# level_1 level_2 level_3
# A1 B2 C0 1 89
# C1 54 60
# A3 B2 C0 64 54
# C1 27 96
print(df.loc[(slice('A1', 'A3'), ['B0', 'B2'], 'C1'), :])
# val_1 val_2
# level_1 level_2 level_3
# A1 B2 C1 54 60
# A2 B0 C1 19 4
# A3 B2 C1 27 96如果使用pd.IndexSlice []，則可以指定為：。如果使用許多切片，這會更容易。
print(df.loc[pd.IndexSlice[:, 'B1'], :]) # val_1 val_2 # level_1 level_2 level_3 # A0 B1 C2 39 17 # C3 75 71 # A2 B1 C2 25 52 # C3 57 40 print(df.loc[pd.IndexSlice['A1':'A3', 'B2'], :]) # val_1 val_2 # level_1 level_2 level_3 # A1 B2 C0 1 89 # C1 54 60 # A3 B2 C0 64 54 # C1 27 96 print(df.loc[pd.IndexSlice['A1':'A3', ['B0', 'B2'], 'C1'], :]) # val_1 val_2 # level_1 level_2 level_3 # A1 B2 C1 54 60 # A2 B0 C1 19 4 # A3 B2 C1 27 96
還可以通過使用xs（）方法指定索引列名稱（參數level）及其值（第一個參數key）來選擇和提取,多索引columns的參數axis= 1。
print(df.xs('B1', level='level_2'))
# val_1 val_2
# level_1 level_3
# A0 C2 39 17
# C3 75 71
# A2 C2 25 52
# C3 57 40也可以使用代表層次結構級別的數值而不是索引列名稱來指定。頂層（最外層）為0。
print(df.xs('C1', level=2))
# val_1 val_2
# level_1 level_2
# A0 B0 44 9
# A1 B2 54 60
# A2 B0 19 4
# A3 B2 27 96還可以為多個索引指定值列表。
print(df.xs(['B1', 'C2'], level=['level_2', 'level_3'])) # val_1 val_2 # level_1 # A0 39 17 # A2 25 52
要在xs（）方法中指定切片，需要使用slice（）或pd.IndexSlice []。
print(df.xs(pd.IndexSlice['A1':'A3'], level='level_1'))
# val_1 val_2
# level_2 level_3
# B2 C0 1 89
# C1 54 60
# B3 C2 47 6
# C3 16 5
# B0 C0 75 22
# C1 19 4
# B1 C2 25 52
# C3 57 40
# B2 C0 64 54
# C1 27 96
# B3 C2 100 77
# C3 22 50
print(df.xs(slice('A1', 'A3'), level='level_1'))
# val_1 val_2
# level_2 level_3
# B2 C0 1 89
# C1 54 60
# B3 C2 47 6
# C3 16 5
# B0 C0 75 22
# C1 19 4
# B1 C2 25 52
# C3 57 40
# B2 C0 64 54
# C1 27 96
# B3 C2 100 77
# C3 22 50xs（）方法無法在列表中指定多個值。如果要在列表中指定多個值，請使用loc []。
# print(df.xs(['B1', 'B2'], level='level_2'))
# KeyError: ('B1', 'B2')
print(df.loc[pd.IndexSlice[:, ['B1', 'B2']], :])
# val_1 val_2
# level_1 level_2 level_3
# A0 B1 C2 39 17
# C3 75 71
# A1 B2 C0 1 89
# C1 54 60
# A2 B1 C2 25 52
# C3 57 40
# A3 B2 C0 64 54
# C1 27 96使用loc選擇時，可以為選擇范圍分配一個值。
df.loc[(['A0', 'A1'], ['B0', 'B3']), :] = -100 print(df) # val_1 val_2 # level_1 level_2 level_3 # A0 B0 C0 -100 -100 # C1 -100 -100 # B1 C2 39 17 # C3 75 71 # A1 B2 C0 1 89 # C1 54 60 # B3 C2 -100 -100 # C3 -100 -100 # A2 B0 C0 75 22 # C1 19 4 # B1 C2 25 52 # C3 57 40 # A3 B2 C0 64 54 # C1 27 96 # B3 C2 100 77 # C3 22 50 df.loc[(['A0', 'A1'], ['B0', 'B3']), :] = [-200, -300] print(df) # val_1 val_2 # level_1 level_2 level_3 # A0 B0 C0 -200 -300 # C1 -200 -300 # B1 C2 39 17 # C3 75 71 # A1 B2 C0 1 89 # C1 54 60 # B3 C2 -200 -300 # C3 -200 -300 # A2 B0 C0 75 22 # C1 19 4 # B1 C2 25 52 # C3 57 40 # A3 B2 C0 64 54 # C1 27 96 # B3 C2 100 77 # C3 22 50 df.loc[(['A0', 'A1'], ['B0', 'B3']), :] = [[-1, -2], [-3, -4], [-5, -6], [-7, -8]] print(df) # val_1 val_2 # level_1 level_2 level_3 # A0 B0 C0 -1 -2 # C1 -3 -4 # B1 C2 39 17 # C3 75 71 # A1 B2 C0 1 89 # C1 54 60 # B3 C2 -5 -6 # C3 -7 -8 # A2 B0 C0 75 22 # C1 19 4 # B1 C2 25 52 # C3 57 40 # A3 B2 C0 64 54 # C1 27 96 # B3 C2 100 77 # C3 22 50
xs（）僅獲取該值，而無法分配它。
# df.xs(['B1', 'C2'], level=['level_2', 'level_3']) = 0 # SyntaxError: can't assign to function call
到此，關于“Pandas中怎么使用MultiIndex選擇并提取任何行和列”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
