问题最后是粗体.但首先,让我们设置一些数据:
import numpy as np import pandas as pd from itertools import product np.random.seed(1) team_names = ['Yankees', 'Mets', 'Dodgers'] jersey_numbers = [35, 71, 84] game_numbers = [1, 2] observer_names = ['Bill', 'John', 'Ralph'] observation_types = ['Speed', 'Strength'] row_indices = list(product(team_names, jersey_numbers, game_numbers, observer_names, observation_types)) observation_values = np.random.randn(len(row_indices)) tns, jns, gns, ons, ots = zip(*row_indices) data = pd.DataFrame({'team': tns, 'jersey': jns, 'game': gns, 'observer': ons, 'obstype': ots, 'value': observation_values}) data = data.set_index(['team', 'jersey', 'game', 'observer', 'obstype']) data = data.unstack(['observer', 'obstype']) data.columns = data.columns.droplevel(0)
这给了:
我想将这个DataFrame的一个子集用于后续分析.说我想切出jersey
数字为71 的行.我真的不喜欢用xs
它来做这个的想法.当您通过横断面xs
丢失所选的列时.如果我跑:
data.xs(71, axis=0, level='jersey')
然后我回到正确的行,但我失去了jersey
专栏.
此外,xs
对于我希望jersey
列中有一些不同值的情况,这似乎不是一个很好的解决方案.我认为一个好得多的解决方案是找到了一个在这里:
data[[j in [71, 84] for t, j, g in data.index]]
你甚至可以过滤球衣和球队的组合:
data[[j in [71, 84] and t in ['Dodgers', 'Mets'] for t, j, g in data.index]]
太好了!
所以问题是:如何选择类似的列来选择列的子集. 例如,假设我只想要表示Ralph数据的列.如果不使用我怎么能这样做xs
?或者,如果我只想要列observer in ['John', 'Ralph']
?同样,我真的更喜欢一种解决方案,它将行和列索引的所有级别保留在结果中......就像上面的布尔索引示例一样.
我可以做我想要的,甚至组合行和列索引的选择.但我发现的唯一解决方案涉及一些真正的体操:
data[[j in [71, 84] and t in ['Dodgers', 'Mets'] for t, j, g in data.index]]\ .T[[obs in ['John', 'Ralph'] for obs, obstype in data.columns]].T
因此第二个问题:是否有一种更紧凑的方式来做我刚刚做的事情?