基于多个 1 级列的子集多索引 DataFrame

Question

我有一个 multi=indexed DataFrame，但我只想为每个级别 1 的每个级别 0 变量保留两列（即列 'one' 和 'two'）。我可以分别对它们进行子集化，但我想一起做，这样我就可以并排放置这些值

这是 DataFrame

index = pd.MultiIndex.from_tuples(list(zip(*[['bar1', 'foo1', 'bar1', 'foo2','bar3','foo3'], ['one','two','three','two','one','four']])))
df = pd.DataFrame(np.random.randn(2, 6), columns=index)

这是对级别 1 中的一列进行子集化的方法

df.iloc[:, df.columns.get_level_values(1)== 'one']
# or 
df.xs('one', level=1, axis=1)

# but adding two columns within either command will not work e.g. 
df.xs(('one','two), level=1, axis=1)

这将是预期的输出

         bar1        foo1       foo2         bar3
          one         two        two          one
0   -0.508272   -0.195379   0.865563     2.002205
1   -0.771565    1.360479   1.900931    -1.589277

Answer 1

这是使用 pd.IndexSlice 的一种方法：

idnx = pd.IndexSlice[:, ['one', 'two']]
df.loc[:, idnx]

输出：

       bar1      bar3      foo1      foo2
        one       one       two       two
0  0.589999  0.261224 -0.106588 -2.309628
1  0.646201 -0.491110  0.430724  1.027424

使用鲜为人知的参数 axis 的另一种方式 pd.DataFrame.loc:

df.loc(axis=1)[:, ['one', 'two']]

输出：

       bar1      bar3      foo1      foo2
        one       one       two       two
0  0.589999  0.261224 -0.106588 -2.309628
1  0.646201 -0.491110  0.430724  1.027424

注意： 此参数未在 pd.DataFrame.loc 的文档 API 中列出，但被引用在用户指南中的 MultiIndex / Advanced indexing 部分的 Using Slicers 段落中关于中间路径的示例。

Answer 2

您可以reindex并指定level。

df.reindex(['one', 'two'], axis=1, level=1)

       bar1      foo1      foo2      bar3
        one       two       two       one
0  0.276056  1.956400 -1.495128  1.582220
1 -0.383178  1.159138 -1.646173  0.821942

Answer 3

我们可以使用Index.isin on a specific level to create a Boolean index and select with loc:

df.loc[:, df.columns.isin(['one', 'two'], level=1)]

df:

       bar1      foo1      foo2      bar3
        one       two       two       one
0  0.042062 -0.233098  0.620974  0.330957
1  0.524495 -0.394930  0.572631  0.499279

Answer 4

检查旧时尚get_level_values

out = df.loc[:,df.columns.get_level_values(1).isin(['one','two'])]
Out[454]: 
       bar1      foo1      foo2      bar3
        one       two       two       one
0 -0.705540 -1.175132 -0.572076 -1.549703
1  0.277905  1.789925  1.104225  0.104453

基于多个 1 级列的子集多索引 DataFrame

Subset multi-indexed DataFrame based on multiple level 1 columns

python

multi-index

dataframe

pandas