python - 如何在 pandas DataFrame 中设置给定索引级别的值

Question

我正在尝试设置多索引 pandas DataFrame 中列的所有值，仅指定单个索引级别的数据。 到目前为止我提出的解决方案并不令人满意，但这可能最好用代码来解释:

from pandas import MultiIndex, DataFrame
idx = MultiIndex.from_product([['A', 'B'], [1, 2, 3]],
                              names=['Cases', 'Time'])
parameters = DataFrame(index=idx)
parameters['CaseAndTimeInvariant'] = 1
parameters['CaseAndTimeVariant'] = 1, 2, 3, 4, 5, 6
# Set the values in 'Time' for all cases to 1, 2, 3
parameters['CaseInvariantTimeVariant'] = 1, 2, 3
# ValueError: Length of values does not match length of index

这个错误非常明显，因为我没有在任何地方指定数据应该属于哪个级别。如果我有例如另一种“情况”，数据的长度不足以确定我上面最后一行代码的含义。

我显然需要做的是告诉参数我传递的数据是针对“时间”索引级别的。然而，我发现的所有使用 loc 索引的尝试都会导致:

• 具有完整长度的其他数据帧或系列
• 需要具体场景的说明

目前我正在执行以下操作:

for c in parameters.index.levels[0]:
    parameters.loc[(c, slice(None)), 'CaseInvariantTimeVariant'] = 1, 2, 3

结果:

虽然这达到了我想要的目的，但在两个方面让人感到不满意:

• 它需要两行相当神秘的代码来完成一些看似简单的事情: (使用我给您的这个可迭代对象设置 Time 的所有值!)
• 我们需要显式迭代所有被同等对待的索引级别，因此这不能很好地推广到两个以上的级别

看起来“groupby”在这里可能会有所帮助，但直到现在我还没有能够了解很多文档。

Answer 1

如果我们总是想将序列与最内层对齐，我们可以:

sequence = [1, 2, 3]
inner_level = parameters.index.get_level_values(len(parameters.index.levels) - 1)
n = inner_level.size // inner_level.nunique()

parameters['CaseInvariantTimeVariant'] = sequence * n

*请注意，在分配序列之前我们仍然需要对索引进行排序:parameters.sort_index(inplace=True)。

<小时/>

如果我们想使用外部级别，请执行以下操作:

我会sort_index，然后重复该序列n次，其中n是唯一索引的长度(Cases 在您的数据中)。

parameters.sort_index(inplace=True)

my_sequence = (1, 2, 3)

# below by level: parameters.index.get_level_values(0).nunique()
n = parameters.index.get_level_values('Cases').nunique()

parameters['CaseInvariantTimeVariant'] = my_sequence * n

如果您想要一个始终按最外层索引重复序列的函数:

def repeat_seq_by_outer_index(index, sequence):
    return sequence * index.get_level_values(0).nunique()

repeat_seq_by_outer_index(parameters.index, (1, 2, 3))

如果您想要一个始终按索引中的第 n 层重复序列的函数:

def repeat_seq_by_nth_index(index, level, sequence):
    return sequence * index.get_level_values(level).nunique()

repeat_seq_by_nth_index(parameters.index, 0, (1, 2, 3))