python - Pandas 索引器方法和元组作为参数

Question

假设我有一个 pandas Series，并且我想访问特定索引处的一组元素，如下所示:

In [1]:
from pandas import Series
import numpy as np

s = Series(np.arange(0,10))

In [2]: s.loc[[3,7]]

Out[2]:
3    3
7    7
dtype: int64

.loc 方法接受 list 作为此类选择的参数。 .iloc 和 .ix 方法的工作方式相同。

但是，如果我使用 tuple 作为参数，.loc 和 .iloc 都会失败:

In [5]: s.loc[(3,7)]
---------------------------------------------------------------------------
IndexingError                             Traceback (most recent call last)
........
IndexingError: Too many indexers

In [6]: s.iloc[(3,7)]
---------------------------------------------------------------------------
IndexingError                             Traceback (most recent call last)
........

IndexingError: Too many indexers

并且 .ix 产生一个奇怪的结果:

In [7]: s.ix[(3,7)]
Out[7]: 3

现在，我知道你甚至不能用原始的 python list 来做到这一点:

In [27]:
x = list(range(0,10))
x[(3,7)]

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-27-cefdde088328> in <module>()
      1 x = list(range(0,10))
----> 2 x[(3,7)]

TypeError: list indices must be integers or slices, not tuple

要从列表中检索一组特定索引，您需要使用推导式 as explained here .

但另一方面，使用 tuple 从 pandas DataFrame 中选择行似乎适用于所有三种索引方法。下面是使用 .loc 方法的示例:

In [8]:
from pandas import DataFrame
df = DataFrame({"x" : np.arange(0,10)})

In [9]:
df.loc[(3,7),"x"]

Out[9]:
3    3
7    7
Name: x, dtype: int64

我的三个问题是:

• 为什么Series索引器不接受元组？看起来
  使用元组很自然，因为所需索引的集合是
  不可变的、一次性的参数。这仅仅是为了 模仿 list 界面？
• 对于奇怪的 Series .ix 结果有何解释？
• 为什么在这个问题上 Series 和 DataFrame 之间存在不一致？

Answer 1

我认为第一个问题的答案是元组用于在MultiIndex中定位。我认为对于后两个问题没有很好的答案，除非您分别在代码中暴露了错误和不一致(这并不难做到:))。 所以 Series 会提示，因为你没有 MultiIndex 或者更一般地说，元组的长度大于索引中的级别数。 DataFrame 可能应该以相同的方式使用react，但事实并非如此。 我认为最安全的方法是为 MultiIndex 保留元组并使用列表/数组/系列来索引多行。 作为旁注，您可以使用元组列表/数组来选择 MultiIndex 中的多行。