python - 来自另一个数据框的 Pandas 多索引分配

Question

我正在尝试了解 pandas MultiIndex DataFrame 以及如何为它们分配数据。具体来说，我感兴趣的是分配与另一个较小数据框匹配的整个 block 。

ix = pd.MultiIndex.from_product([['A', 'B'], ['a', 'b', 'c', 'd']])
df = pd.DataFrame(index=ix, columns=['1st', '2nd', '3rd'], dtype=np.float64)
df_ = pd.DataFrame(index=['a', 'b', 'c', 'd'], columns=['1st', '2nd', '3rd'], data=np.random.rand(4, 3))
df_

    1st     2nd     3rd
a   0.730251    0.468134    0.876926
b   0.104990    0.082461    0.129083
c   0.993608    0.117799    0.341811
d   0.784950    0.840145    0.016777

df 除了所有的值都是 NaN 并且有两个 block A 和 B 之外是相同的.现在，如果我想将 df_ 的值分配给 df 我想我可以做类似的事情

df.loc['A',:] = df_                # Runs, does not work
df.loc[('A','a'):('A','d')] = df_  # AssertionError (??) 'Start slice bound is non-scalar'
df.loc[('A','a'):('A','d')]        # No AssertionError (??)

idx = pd.IndexSlice
df.loc[idx['A', :]] = df_          # Runs, does not work

这些都不起作用，它们将 df 中的所有值保留为 NaN，尽管 df.loc[idx['A', :]] 为我提供了与子帧 (df_) 完全匹配的数据帧片段。那么这是在 View 上设置值的情况吗？显式迭代 df_ 中的索引有效

# this is fine
for v in df_.index:
    df.loc[idx['A', v]] = df_.loc[v]

# this is also fine
for v in df_.index:
    df.loc['A', v] = df_.loc[v]

是否有可能像这样分配整个 block (有点像 NumPy)？如果不是，也没关系，我只是想了解系统的工作原理。

有一个关于索引切片器的相关问题，但它是关于将单个值分配给 DataFrame 的屏蔽部分，而不是关于分配 block 。 Pandas : Proper way to set values based on condition for subset of multiindex dataframe

Answer 1

当你使用

df.loc['A', :] = df_

Pandas 尝试将 df_ 的索引与的子 DataFrame 的索引对齐 df。然而，在 point in the code在执行对齐的地方， sub-DataFrame 有一个MultiIndex，而不是你看到的单个索引作为结果 df.loc['A', :].

因此对齐失败，因为 df_ 具有单个索引，而不是 MultiIndex 是需要的。看df_的索引确实是问题，注意

ix_ = pd.MultiIndex.from_product([['A'], ['a', 'b', 'c', 'd']])
df_.index = ix_
df.loc['A', :] = df_
print(df)

成功，产生类似的东西

A a  0.229970  0.730824  0.784356
  b  0.584390  0.628337  0.318222
  c  0.257192  0.624273  0.221279
  d  0.787023  0.056342  0.240735
B a       NaN       NaN       NaN
  b       NaN       NaN       NaN
  c       NaN       NaN       NaN
  d       NaN       NaN       NaN

当然，您可能不希望每次都创建一个新的 MultiIndex 您想要分配一个值 block 的时间。所以相反，要解决这个问题 对齐问题，可以使用一个NumPy数组作为赋值:

df.loc['A', :] = df_.values

因为 df_.values 是一个 NumPy 数组并且数组没有索引，no alignment is performed 并且分配产生与上述相同的结果。当你不想索引对齐时使用 NumPy 数组的技巧 适用于使用 Pandas 的许多情况。

另请注意，按 NumPy 数组赋值还可以帮助您执行更复杂的赋值，例如对不连续的行进行赋值:

idx = pd.IndexSlice
df.loc[idx[:,('a','b')], :] = df_.values

产量

In [85]: df
Out[85]: 
          1st       2nd       3rd
A a  0.229970  0.730824  0.784356
  b  0.584390  0.628337  0.318222
  c       NaN       NaN       NaN
  d       NaN       NaN       NaN
B a  0.257192  0.624273  0.221279
  b  0.787023  0.056342  0.240735
  c       NaN       NaN       NaN
  d       NaN       NaN       NaN

例如。