使用 pandas Dataframe 列创建新的复杂索引

Question

我正在尝试将数据框中的列 'A' 和 'C' 连接起来，如下所示，以将其用作新索引：

     A  |  B  |  C  |  ...
---------------------------
 0   5  | djn |  0  |  ...
 1   5  | vlv |  1  |  ...
 2   5  | bla |  2  |  ...
 3   5  | ses |  3  |  ...
 4   5  | dug |  4  |  ...

期望的结果将是一个类似于以下结果的 Dataframe：

         A  |  B  |  C  |  ...
-------------------------------
 05000   5  | djn |  0  |  ...
 05001   5  | vlv |  1  |  ...
 05002   5  | bla |  2  |  ...
 05003   5  | ses |  3  |  ...
 05004   5  | dug |  4  |  ...

我搜索了一下，有人知道如何操作数据框来获得这样的结果吗？

Answer 1

#dummying up a dataframe
cf['A'] = 5*[5]
cf['C'] = range(5)
cf['B'] = list('qwert')
#putting together two columns into a new one -- EDITED so string formatting is OK
cf['D'] = map(lambda x: str(x).zfill(5), 1000*cf.A + cf.C)
# use it as the index
cf.index = cf.D
# we don't need it as a column
cf.drop('D', axis=1, inplace=True)
print(cf.to_csv())

D,A,C,B
05000,5,0,q
05001,5,1,w
05002,5,2,e
05003,5,3,r
05004,5,4,t

就是说，我怀疑使用多索引（如果 B 中的值超过 999 ....）或者对多列进行排序或分组会更安全。

使用 pandas Dataframe 列创建新的复杂索引

Creating new complex index with pandas Dataframe columns

python

indexing

concatenation

dataframe

pandas