如何查詢大熊貓多指標索引列值

Question

代碼示例：

In [171]: A = np.array([1.1, 1.1, 3.3, 3.3, 5.5, 6.6]) 

In [172]: B = np.array([111, 222, 222, 333, 333, 777]) 

In [173]: C = randint(10, 99, 6) 

In [174]: df = pd.DataFrame(zip(A, B, C), columns=['A', 'B', 'C']) 

In [175]: df.set_index(['A', 'B'], inplace=True) 

In [176]: df 
Out[176]: 
      C 
A B  
1.1 111 20 
    222 31 
3.3 222 24 
    333 65 
5.5 333 22 
6.6 777 74 

現在，我想檢索值：
Q1：在區間[3.3，6.6] - 預期的返回值： 3.3,5.5,6.6]或[3.3,3.5,5.6,6.6]，如果不是，則爲[3.3,5.5]或[3.3,3.3,5.5]。
Q2：在範圍[2.0，4.0] - 預期的返回值：[3.3]或[3.3，3.3]

同任何其它多指標尺寸，例如B值：
Q3 ：在範圍[111，500]以重複，如在範圍內的數據的行數 - 預期的返回值：[111，222，222，333，333]

更正式：

讓我們假定T是列A，B和C的表格。表格e包括n行。表單元是數字，例如A，B和C整數。讓我們創建一個表T的DataFrame，讓我們命名爲DF。讓我們設置DF的列A和B索引（沒有重複，即沒有單獨的列A和B作爲索引，並且作爲數據分開），即在這種情況下的A和B MultiIndex。

問題：

1. 如何寫上的索引的查詢，例如，查詢索引A（或B），例如在標籤間隔[120.0，540.0]？標籤120.0和540.0存在。我必須澄清，我只對索引列表感興趣，作爲對查詢的迴應！
2. 如何相同，但在標籤120.0和540.0不存在的情況下，但標籤的值低於120，高於120且低於540或高於540？
3. 如果Q1和Q2的答案是唯一的索引值，現在與索引範圍中的數據行數相同，但具有重複性。

我知道答案，在沒有索引的列的情況下，上述的問題，但在指標的情況下，經過長期的研究在web和實驗的大熊貓功能後，我沒有成功。唯一的方法（無需額外編程）我現在看到除了索引之外，還有一個A和B的副本作爲數據列。

Answer 1

要查詢DF由多指標值，例如其中（A> 1.7）和（B < 666）：

In [536]: result_df = df.loc[(df.index.get_level_values('A') > 1.7) & (df.index.get_level_values('B') < 666)] 

In [537]: result_df 
Out[537]: 
      C 
A B  
3.3 222 43 
    333 59 
5.5 333 56 

因此，獲得例如「A」索引值，如果仍需要：

In [538]: result_df.index.get_level_values('A') 
Out[538]: Index([3.3, 3.3, 5.5], dtype=object) 

的問題是，在大的數據由索引選擇由10％差於排序規則的行選擇幀的性能。在重複的工作中，循環，延遲積累。見例如：

In [558]: df = store.select(STORE_EXTENT_BURSTS_DF_KEY) 

In [559]: len(df) 
Out[559]: 12857 

In [560]: df.sort(inplace=True) 

In [561]: df_without_index = df.reset_index() 

In [562]: %timeit df.loc[(df.index.get_level_values('END_TIME') > 358200) & (df.index.get_level_values('START_TIME') < 361680)] 
1000 loops, best of 3: 562 µs per loop 

In [563]: %timeit df_without_index[(df_without_index.END_TIME > 358200) & (df_without_index.START_TIME < 361680)] 
1000 loops, best of 3: 507 µs per loop 

Answer 2

對於'浮動'索引，你總是希望將它用作列而不是直接索引操作。無論端點是否存在，這些都將起作用。

In [11]: df 
Out[11]: 
      C 
A B  
1.1 111 81 
    222 45 
3.3 222 98 
    333 13 
5.5 333 89 
6.6 777 98 

In [12]: x = df.reset_index() 

Q1

In [13]: x.loc[(x.A>=3.3)&(x.A<=6.6)] 
Out[13]: 
    A B C 
2 3.3 222 98 
3 3.3 333 13 
4 5.5 333 89 
5 6.6 777 98 

Q2

In [14]: x.loc[(x.A>=2.0)&(x.A<=4.0)] 
Out[14]: 
    A B C 
2 3.3 222 98 
3 3.3 333 13 

Q3

In [15]: x.loc[(x.B>=111.0)&(x.B<=500.0)] 
Out[15]: 
    A B C 
0 1.1 111 81 
1 1.1 222 45 
2 3.3 222 98 
3 3.3 333 13 
4 5.5 333 89 

如果你想在後面的索引，只設置它們。這是一項便宜的操作。

In [16]: x.loc[(x.B>=111.0)&(x.B<=500.0)].set_index(['A','B']) 
Out[16]: 
      C 
A B  
1.1 111 81 
    222 45 
3.3 222 98 
    333 13 
5.5 333 89 

如果你真的想要的實際指數值

In [5]: x.loc[(x.B>=111.0)&(x.B<=500.0)].set_index(['A','B']).index 
Out[5]: 
MultiIndex 
[(1.1, 111), (1.1, 222), (3.3, 222), (3.3, 333), (5.5, 333)] 

Answer 3

爲了更好的可讀性，我們可以簡單地使用the query() Method，避免冗長df.index.get_level_values()和reset_index/​​來來回回。

這裏是目標DataFrame：

In [12]: df                  
Out[12]:                  
      C                  
A B                   
1.1 111 68                  
    222 40                  
3.3 222 20                  
    333 11                  
5.5 333 80                  
6.6 777 51 

---

回答爲Q1（A在範圍[3.3, 6.6]）：

In [13]: df.query('3.3 <= A <= 6.6') # for closed interval      
Out[13]:                  
      C                  
A B                   
3.3 222 20                  
    333 11                  
5.5 333 80                  
6.6 777 51                  

In [14]: df.query('3.3 < A < 6.6') # for open interval       
Out[14]:                  
      C                  
A B                   
5.5 333 80 

，當然可以玩弄<, <=, >, >=任何包容。

---

同樣，答案（在範圍[2.0, 4.0]A）Q2：

In [15]: df.query('2.0 <= A <= 4.0')           
Out[15]:                  
      C                 
A B                  
3.3 222 20                 
    333 11 

---

回答爲Q3（B在範圍[111, 500]）：

In [16]: df.query('111 <= B <= 500')           
Out[16]:                  
      C                 
A B                  
1.1 111 68                 
    222 40                 
3.3 222 20                 
    333 11                 
5.5 333 80 

---

而且，您可以COMBINE非常自然地查詢col A和B！

In [17]: df.query('0 < A < 4 and 150 < B < 400')        
Out[17]:                  
      C                 
A B                  
1.1 222 40                 
3.3 222 20                 
    333 11