我有以下两个数据框:
d1 = {('CAR','ALPHA'): pd.Series(['A11', 'A12', 'A13', 'A14'],index=[1, 2, 3, 4]),
('CAR','BETA'): pd.Series(['B11', 'B12', 'B13', 'B14'],index=[1, 2, 3, 4])}
da= pd.DataFrame(data=d1)
d2 = {('CAR','ALPHA'): pd.Series(['A22', 'A23', 'A24', 'A25'],index=[2, 3, 4, 5]),
('CAR','BETA'): pd.Series(['B22', 'B23', 'B24', 'B25'],index=[2, 3, 4, 5]),
('MOTOR','SOLO'): pd.Series(['S22', 'S23', 'S24', 'S25'], index=[2, 3, 4, 5])}
db= pd.DataFrame(data=d2)
它们应该看起来像这样:
我想要实现的是添加一个新的数据帧,两个数据帧的所有列在其中一个列索引中具有特定单词。
例如,我希望所有在顶部列级别具有 CAR 的列:
我的 pandas 版本是 0.21.0,我的复杂版本代码中的列名称如下:
df = pd.concat([da, db], axis=1)
print(df.columns)
Index([('V', 'C', 'I', 'P'),
('V', 'G', 'T', '-'),
('P', 'G', 'T', '-')], dtype='object')
在上面,我只想保留列多重索引第一级中带有 V 的列。
提前致谢。
最佳答案
使用pandas.concat
与 DataFrame.xs
:
df = pd.concat([da, db], axis=1).xs('CAR', level=0, axis=1, drop_level=False)
或者使用slicers :
df = pd.concat([da, db], axis=1).loc[:, pd.IndexSlice['CAR', :]]
print (df)
CAR
ALPHA BETA ALPHA BETA
1 A11 B11 NaN NaN
2 A12 B12 A22 B22
3 A13 B13 A23 B23
4 A14 B14 A24 B24
5 NaN NaN A25 B25
编辑:
DataFrame有4个级别,所以需要:
idx = pd.Index([('V', 'C', 'I', 'P'),
('V', 'G', 'T', '-'),
('P', 'G', 'T', '-')], dtype='object')
df = pd.DataFrame(0, columns=idx, index=[1,2])
print (df)
V P
C G G
I T T
P - -
1 0 0 0
2 0 0 0
df1 = df.xs('V', level=0, axis=1, drop_level=False)
print (df1)
V
C G
I T
P -
1 0 0
2 0 0
为每个级别添加:
以选择第二,第三和第四级别的所有值:
df1 = df.loc[:, pd.IndexSlice['V', :, :, :]]
print (df1)
V
C G
I T
P -
1 0 0
2 0 0
关于python-3.x - 如何在 Python 中的多索引列中连接满足特定条件的 Pandas 数据框,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54423470/