代码之家 › 专栏 › 技术社区 › Eleuterio

有没有办法让元组在Pandas中作为索引发挥作用?

tuples pandas python

Eleuterio · 技术社区 · 2 年前

我想在Pandas中使用多索引,在每个级别上我都有一个嵌套的元组。我知道原则上我可以打开这个东西,但这会不那么清晰和烦人。通常,元组的元素(类名和一些参数)只有在一起才有意义,我想让它更难出现无意义的对,元组有不同的长度,我想使用MultiIndex.from_product。

在创建DataFrame和访问值时,一切都很好,但在编写时,我得到了意想不到的结果。

在一个简单的示例中,以下代码:

import pandas as pd
index=pd.MultiIndex.from_arrays([[("foo","spam"),("foo","spam")],[("bar","egg"),("bar","egg")],[("baz","bacon"),("pam","bacon")]])
this_index = (("foo","spam"),("bar","egg"),("baz","bacon"))
df = pd.DataFrame(index=index, columns=["value"])
print(df)
print(df.loc[this_index])
df.loc[this_index]=0
# df.loc[this_index,"value"]=0
print(df)

首先打印我期望的表(列值中有三个元组作为索引和NaN),然后打印正确检索到的值NaN,但在最后一行显示了两个额外的列,名为“bar”和“egg”,均设置为0:

                                    value  bar  egg
(foo, spam) (bar, egg) (baz, bacon)     0  0.0  0.0
                       (pam, bacon)   NaN  NaN  NaN

在这种情况下,使用注释行进行赋值会得到预期的结果。

然而,在我的情况下,我需要“垃圾邮件”、“鸡蛋”和“培根”也是元组。如果我更改上面代码中的第2行和第3行,则输入:

index=pd.MultiIndex.from_arrays([[("foo",("spam",)),("foo",("spam",))],[("bar",("egg",)),("bar",("egg",))],[("baz",("bacon",)),("pam",("bacon",))]])
this_index = (("foo",("spam",)),("bar",("egg",)),("baz",("bacon",)))

我对前两张照片再次有了预期的行为,第三张照片给出了(现在不知何故是预期的):

                                             value  bar  (egg,)
(foo, (spam,)) (bar, (egg,)) (baz, (bacon,))     0  0.0     0.0
                             (pam, (bacon,))   NaN  NaN     NaN

但尝试与上述相同的解决方法会得到:

ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 2 dimensions. The detected shape was (3, 2) + inhomogeneous part.

我找不到任何方法来调整这个技巧。

目前我找到的最好的解决方法是对元组使用str(),然后在需要时再次解析内容,但我觉得应该有更好的方法。我在这里找到的唯一线索是一条未回复的评论 this answer .

2 回复 | 直到 2 年前

mozway 2 年前

如果我理解正确的话,您的问题在于以下作业:

index=pd.MultiIndex.from_arrays([[("foo",("spam",)),("foo",("spam",))],[("bar",("egg",)),("bar",("egg",))],[("baz",("bacon",)),("pam",("bacon",))]])
this_index = (("foo",("spam",)),("bar",("egg",)),("baz",("bacon",)))

df = pd.DataFrame(index=index, columns=["value"])
df.loc[this_index, 'value']=0

可以使用列或索引的列表来解决:

df.loc[this_index, ['value']] = 0

# or
df.loc[[this_index], 'value'] = 0

输出

                                             value
(foo, (spam,)) (bar, (egg,)) (baz, (bacon,))     0
                             (pam, (bacon,))   NaN

Andrej Kesely 2 年前

您可以使用 pd.IndexSlice :

index=pd.MultiIndex.from_arrays([[("foo",("spam",)),("foo",("spam",))],[("bar",("egg",)),("bar",("egg",))],[("baz",("bacon",)),("pam",("bacon",))]])
this_index = (
    (
        "foo",
        ("spam",),
    ),
    ("bar", ("egg",)),
    ("baz", ("bacon",)),
)
df = pd.DataFrame(index=index, columns=["value"])

df.loc[pd.IndexSlice[this_index], :] = 0  # note the `:` for column selector (this will set 0 for all columns)
print(df)

打印:

                                             value
(foo, (spam,)) (bar, (egg,)) (baz, (bacon,))     0
                             (pam, (bacon,))   NaN