python - 排除 Pandas 数据框中索引行的最有效方法

Question

我对 Python 和 Pandas 比较陌生，并且正在努力处理(分层)索引。我已经掌握了基础知识，但对更高级的切片和横截面却一头雾水。

例如，使用以下数据框

import pandas as pd
import numpy as np
data = pd.DataFrame(np.arange(9).reshape((3, 3)),
    index=pd.Index(['Ohio', 'Colorado', 'New York'], name='state'), columns=pd.Index(['one', 'two', 'three'], name='number'))

我想选择除索引为“Colorado”的行以外的所有内容。对于小型数据集，我可以这样做:

data.ix[['Ohio','New York']]

但是如果唯一索引值的数量很大，那是不切实际的。天真地，我希望语法像

data.ix[['state' != 'Colorado']]

但是，这只会返回第一条记录“Ohio”，而不会返回“New York”。这可行，但很麻烦

filter = list(set(data.index.get_level_values(0).unique()) - set(['Colorado']))
data[filter]

肯定有更 Pythonic 的、冗长的方法来做到这一点？

Answer 1

这是一个 Python 问题，而不是 pandas 问题:'state' != 'Colorado' 是 True，所以 pandas 得到了什么是 data.ix[[True]]。

你可以做

>>> data.loc[data.index != "Colorado"]
number    one  two  three
state                    
Ohio        0    1      2
New York    6    7      8

[2 rows x 3 columns]

或使用 DataFrame.query :

>>> data.query("state != 'New York'")
number    one  two  three
state                    
Ohio        0    1      2
Colorado    3    4      5

[2 rows x 3 columns]

如果你不喜欢数据的重复。 (引用传递给 .query() 方法的表达式是解决这个事实的唯一方法之一，否则 Python 会在 pandas 看到它之前评估比较。)