pandas 来自另一个数据框的多索引分配

Question

我正在尝试了解 pandas MultiIndex DataFrame 以及如何为它们分配数据。具体来说，我有兴趣分配与另一个较小数据框匹配的整个块。

ix = pd.MultiIndex.from_product([['A', 'B'], ['a', 'b', 'c', 'd']])
df = pd.DataFrame(index=ix, columns=['1st', '2nd', '3rd'], dtype=np.float64)
df_ = pd.DataFrame(index=['a', 'b', 'c', 'd'], columns=['1st', '2nd', '3rd'], data=np.random.rand(4, 3))
df_

    1st     2nd     3rd
a   0.730251    0.468134    0.876926
b   0.104990    0.082461    0.129083
c   0.993608    0.117799    0.341811
d   0.784950    0.840145    0.016777

df除了所有的值都是NaN并且有两个块A和B外，其他都是一样的。现在，如果我想将 df_ 的值分配给 df，我想我可以做类似

的事情

df.loc['A',:] = df_                # Runs, does not work
df.loc[('A','a'):('A','d')] = df_  # AssertionError (??) 'Start slice bound is non-scalar'
df.loc[('A','a'):('A','d')]        # No AssertionError (??)

idx = pd.IndexSlice
df.loc[idx['A', :]] = df_          # Runs, does not work

None 这些工作，他们将 df 中的所有值保留为 NaN，尽管 df.loc[idx['A', :]] 给了我一个与它完全匹配的数据框片段子帧 (df_)。那么这是在视图上设置值的情况吗？显式迭代 df_ 中的索引有效

# this is fine
for v in df_.index:
    df.loc[idx['A', v]] = df_.loc[v]

# this is also fine
for v in df_.index:
    df.loc['A', v] = df_.loc[v]

是否可以像这样分配整个块（有点像 NumPy）？如果没有，那很好，我只是想了解系统的工作原理。

有一个关于索引切片器的相关问题，但它是关于将单个值分配给 DataFrame 的屏蔽部分，而不是关于分配块。

Answer 1

我不久前做过 8480，这使得使用列的子框架分配工作。因此，您可以按照以下方法作为解决方法：

>>> rf
     1st    2nd    3rd
a  0.730  0.468  0.877
b  0.105  0.082  0.129
c  0.994  0.118  0.342
d  0.785  0.840  0.017
>>> df.T['A'] = rf.T  # take transpose of both sides
>>> df
       1st    2nd    3rd
A a  0.730  0.468  0.877
  b  0.105  0.082  0.129
  c  0.994  0.118  0.342
  d  0.785  0.840  0.017
B a    NaN    NaN    NaN
  b    NaN    NaN    NaN
  c    NaN    NaN    NaN
  d    NaN    NaN    NaN

就是说，您可能希望 post 这是 github 上的错误。

编辑：似乎在末尾添加一个虚拟切片也有效：

>>> df.loc['A'][:] = rf
>>> df
       1st    2nd    3rd
A a  0.730  0.468  0.877
  b  0.105  0.082  0.129
  c  0.994  0.118  0.342
  d  0.785  0.840  0.017
B a    NaN    NaN    NaN
  b    NaN    NaN    NaN
  c    NaN    NaN    NaN
  d    NaN    NaN    NaN

Answer 2

当你使用

df.loc['A', :] = df_

Pandas 尝试将 df_ 的索引与的子 DataFrame 的索引对齐 df。但是，在执行对齐的 point in the code 处， sub-DataFrame 有一个 MultiIndex，而不是你看到的单个索引作为结果 df.loc['A', :].

因此对齐失败，因为 df_ 有一个索引，而不是 MultiIndex 是需要的。看到df_的索引确实是问题，注意

ix_ = pd.MultiIndex.from_product([['A'], ['a', 'b', 'c', 'd']])
df_.index = ix_
df.loc['A', :] = df_
print(df)

成功，产生类似于

的东西

A a  0.229970  0.730824  0.784356
  b  0.584390  0.628337  0.318222
  c  0.257192  0.624273  0.221279
  d  0.787023  0.056342  0.240735
B a       NaN       NaN       NaN
  b       NaN       NaN       NaN
  c       NaN       NaN       NaN
  d       NaN       NaN       NaN

当然，您可能不希望每次都创建一个新的 MultiIndex 您想要分配一个值块的时间。所以相反，要解决这个问题对齐问题，可以用一个NumPy数组作为赋值：

df.loc['A', :] = df_.values

由于df_.values是一个NumPy数组并且数组没有索引，没有对齐执行并且分配产生与上述相同的结果。当你不想索引对齐时使用 NumPy 数组的技巧在使用 Pandas.

时适用于许多情况

另请注意，NumPy 数组赋值还可以帮助您执行更复杂的赋值，例如对不连续的行进行赋值：

idx = pd.IndexSlice
df.loc[idx[:,('a','b')], :] = df_.values

产量

In [85]: df
Out[85]: 
          1st       2nd       3rd
A a  0.229970  0.730824  0.784356
  b  0.584390  0.628337  0.318222
  c       NaN       NaN       NaN
  d       NaN       NaN       NaN
B a  0.257192  0.624273  0.221279
  b  0.787023  0.056342  0.240735
  c       NaN       NaN       NaN
  d       NaN       NaN       NaN

例如

pandas 来自另一个数据框的多索引分配

pandas multiindex assignment from another dataframe

python

variable-assignment

multi-index

pandas