multi-index

1熱度

1回答

我有熊貓一個多指標，看起來像由下面的代碼生成一個： arrays = [[2001, 2001, 2003, 2004], ['January', 'March', 'June', 'December']] tuples= list(zip(*arrays)) index = pd.MultiIndex.from_tuples(tuples, names=['year', 'month'])

1熱度

1回答

更改數據幀索引值對

我有形狀2000x50的熊貓數據框「DF」，這將顯示爲： Col1 Col2 Col3 row1 0.046878 0.298156 0.743520 row2 0.442526 0.881977 0.885514 row3 0.075382 0.622636 0.706607 行列數沒有在我的真實的情景一致的命名。我想創建一個多指數作爲一個數據幀： (row1, col1), 0

1熱度

1回答

當在大型數據集上擴展多索引切片器時長度不匹配錯誤

我想使用熊貓MultiIndex切片器命令.xs()來分割導入的csv文件（時間序列）並對其進行處理。以下df複製我導入的csv文件的結構。 import pandas as pd df = pd.DataFrame( {'Sensor ID': [14,1,3,14,3], 'Building ID': [109,109,109,109,109], 'Date/T

2熱度

2回答

兩個熊貓MultiIndex幀每行與每一行相乘

我需要乘以兩個具有相同最高級別索引的MultiIndexed幀（比如df1, df2），以便對於每個最高級索引，每行df1乘以每行元素爲df2。我已實現了以下的例子，我想要做什麼，但它看起來很醜陋： a = ['alpha', 'beta'] b = ['A', 'B', 'C'] c = ['foo', 'bar'] df1 = pd.DataFrame(np.random.randn(6

1熱度

1回答

添加水平對多指標數據幀

我有一個多指標數據幀： iterables = [['bar', 'baz', 'foo', 'qux'], ['one', 'two']] Index = pd.MultiIndex.from_product(iterables, names=['first', 'second']) s = pd.DataFrame(np.random.randn(8,2), index=Index)

2熱度

2回答

熊貓GROUPBY彙總到新列

我有一個數據幀，看起來是這樣的： A B C D 1 10 22 14 1 12 20 37 1 11 8 18 1 10 10 6 2 11 13 4 2 12 10 12 3 14 0 5 而且看起來是這樣的（注意的功能：它實際上是做一些更復雜，不能輕易分隔成三個獨立的電話，但我簡化爲清楚起見）： def myfunc(g): return min(g), mean

2熱度

1回答

如何從一個DataFrame中選擇行，其中一行的索引的一部分位於另一個DataFrame的索引中並符合特定條件？

我有兩個DataFrame。 df提供了大量的數據。 test_df描述某些測試是否通過。我只需要從df中選擇測試未失敗的行，只需在test_df中查找此信息即可。到目前爲止，我能夠將我的test_df減少到passed_tests。所以，剩下的就是隻選擇df的行，其中行索引的相關部分在passed_tests。我怎樣才能做到這一點？更新： TEST_DB沒有不是唯一的行。哪裏有重複的行（可能有

1熱度

1回答

如何爲MultiIndex添加關卡？

index = [np.array(['foo', 'foo', 'qux']), np.array(['a', 'b', 'a'])] data = np.random.randn(3, 2) columns = ["X", "Y"] df = pd.DataFrame(data, index=index, columns=columns) df.index.names =

2熱度

2回答

熊貓：按值過濾，然後在Multiindex中獲得最大值

我有一個看起來像這樣的數據集，其中DATE和LETTER是多索引的。我想返回每個日期的最大LETTER A VALUES的列表。因此，在這種情況下，我想要返回VALUES 3和8。 VALUE DATE LETTER 1-2002 A 1 B 7 A 3 B 4

6熱度

2回答

通過要求MultiIndex中存在多個項來過濾熊貓數據框

我有一個包含多索引的數據表。多指數的第一級是與給定序列（DNA）相對應的名稱，多指數的第二級對應於在下面的示例中的特定類型的序列變體wt,m1,m2,m3。並非所有給出的wt序列將具有所有類型的變體（參見下面的seqA和seqC）。 df = pd.DataFrame(data={'A':range(1,9), 'B':range(1,9), 'C': range(1,9)}, inde