python – 子集Pandas DataFrame二级索引和重新分配值
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python – 子集Pandas DataFrame二级索引和重新分配值，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2027字，纯文字阅读大概需要3分钟。
内容图文
这可能是一个两部分问题,但我正在寻找对其二级索引标识的记录子集进行重新缩放(或执行任何操作)的最佳方法.
例如 – 说我有以下数据框：
>>> df=pd.DataFrame(data=[[1,2,3],[.4,.5,.6],[7,8,9],[.10,.11,.12]], index=pd.MultiIndex.from_tuples([(1,'a'), (1,'b'), (2,'a'), (2,'b')]), columns=['Var1','Var2','Var3'])
>>> df.index.names=['Number','Letter']
>>> print df
Var1 Var2 Var3
Number Letter
1 a 1.0 2.00 3.00
b 0.4 0.50 0.60
2 a 7.0 8.00 9.00
b 0.1 0.11 0.12
我希望字母’b’标识的两个记录将所有3个变量乘以10.
我正在努力的第一个方面是如何选择多索引的第二个索引.我可以通过以下草率的解决方法来做到这一点,但我想有一种更清洁的方式：
>>> df=df.reset_index().set_index(['Letter','Number'])
>>> Records=df.loc['b']
>>> print Records
Var1 Var2 Var3
Number
1 0.4 0.50 0.60
2 0.1 0.11 0.12
有关更好地分配第二个索引的任何建议吗？
然后我可以重新调整它们：
>>> print Records*10
Var1 Var2 Var3
Number
1 4 5 6
2 10 11 12
但是,如何将原始值替换为新重新调整的值？
解决方法:
使用Pandas,您可以使用以下任一方式访问MultiIndex中的第二级：
df.loc[df.index.isin("b", level="Letter")]
Var1 Var2 Var3
Number Letter
1 b 0.4 0.50 0.60
2 b 0.1 0.11 0.12
要么
df.xs("b", level="Letter")
Var1 Var2 Var3
Number
1 0.4 0.50 0.60
2 0.1 0.11 0.12
它不是完全相同的输出,只有第一个版本允许你更改值(感谢loc和你保留所有索引值的事实)：
df.loc[df.index.isin("b", level="Letter")] = df.loc[df.index.isin("b", level="Letter")]*10
df
Var1 Var2 Var3
Number Letter
1 a 1 2.0 3.0
b 4 5.0 6.0
2 a 7 8.0 9.0
b 1 1.1 1.2
有了它,您还可以轻松访问您可以修改的给定列：
df.loc[df.index.isin("b", level="Letter"), "Var3"] = "Foo"
df
Var1 Var2 Var3
Number Letter
1 a 1 2.0 3
b 4 5.0 Foo
2 a 7 8.0 9
b 1 1.1 Foo
希望这可以帮助
内容总结
以上是互联网集市为您收集整理的python – 子集Pandas DataFrame二级索引和重新分配值全部内容，希望文章能够帮你解决python – 子集Pandas DataFrame二级索引和重新分配值所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。