python - 从使用 python pandas 制作的数据透视表中进行过滤和选择

Question

我正在努力处理 Python pandas 包中的层次索引。具体来说，我不明白如何在数据透视后过滤和比较行中的数据。

这是文档中的示例表:

import pandas as pd
import numpy as np

In [1027]: df = pd.DataFrame({'A' : ['one', 'one', 'two', 'three'] * 6,
                              'B' : ['A', 'B', 'C'] * 8,
                              'C' : ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 4,
                              'D' : np.random.randn(24),
                              'E' : np.random.randn(24)})

In [1029]: pd.pivot_table(df, values='D', rows=['A', 'B'], cols=['C'])
Out[1029]: 
    C             bar       foo
    A     B                    
    one   A -1.154627 -0.243234
          B -1.320253 -0.633158
          C  1.188862  0.377300
    three A -1.327977       NaN
          B       NaN -0.079051
          C -0.832506       NaN
    two   A       NaN -0.128534
          B  0.835120       NaN
          C       NaN  0.838040

我想分析如下:

1) 根据列属性过滤此表，例如选择具有负 foo 的行:

    C             bar       foo
    A     B                    
    one   A -1.154627 -0.243234
          B -1.320253 -0.633158
    three B       NaN -0.079051
    two   A       NaN -0.128534

2) 比较不同 A 系列组之间剩余的 B 系列值？我不确定如何访问此信息:{'one':['A','B'], 'two':['A'], 'three':['B']} 并确定哪些系列 B 值对于每个键是唯一的，或者在多个键组中出现等

有没有办法直接在数据透视表结构中执行此操作，或者我是否需要将其转换回 pandas dataframe？

更新:我认为这段代码是朝着正确方向迈出的一步。它至少让我可以访问此表中的各个值，但我仍在对系列值进行硬编码:

table = pivot_table(df, values='D', rows=['A', 'B'], cols=['C'])
table.ix['one', 'A']

Answer 1

数据透视表返回一个 DataFrame，因此您可以通过以下操作简单地进行过滤:

In [15]: pivoted = pivot_table(df, values='D', rows=['A', 'B'], cols=['C'])

In [16]: pivoted[pivoted.foo < 0]
Out[16]: 
C             bar       foo
A     B                    
one   A -0.412628 -1.062175
three B       NaN -0.562207
two   A       NaN -0.007245

你可以使用类似的东西

pivoted.ix['one']

选择所有A系列组

或

pivoted.ix['one', 'A']

选择不同的 A 和 B 系列组