python - 如何处理与 Pandas 数据框关联的元数据？

Question

问题 1:将元信息保存到数据框的最佳做法是什么？我知道以下编码实践

import pandas as pd
df = pd.DataFrame([])
df.currency = 'USD'
df.measure = 'Price'
df.frequency = 'daily'

但正如这篇文章中所述Adding meta-information/metadata to pandas DataFrame这与应用“groupby、pivot、join 或 loc”等函数丢失信息的风险有关，因为它们可能返回“没有附加元数据的新 DataFrame”。

这是否仍然有效，或者同时对元信息处理进行了更新？为此目的对 pandas 进行子类化是好的编码实践吗？

问题 2:什么是替代编码实践？

我认为构建一个单独的对象不是很合适。使用 Multiindex 也不能说服我。可以说我想用带有收入的数据框划分带有价格的数据框。使用 Multiindices 会非常复杂。

#define price DataFrame
p_index = pd.MultiIndex.from_tuples([['Apple', 'price', 'daily'],['MSFT', 'price', 'daily']])
price = pd.DataFrame([[90, 20], [85, 30], [70, 25]], columns=p_index)

# define earnings dataframe
e_index = pd.MultiIndex.from_tuples(
    [['Apple', 'earnings', 'daily'], ['MSFT', 'earnings', 'daily']])
earnings=pd.DataFrame([[5000, 2000], [5800, 2200], [5100, 3000]], 
                columns=e_index)

price.divide(earnings.values, level=1, axis=0)

在上面的例子中，我什至没有确保公司指数真的匹配。我可能需要调用 pd.DataFrame.reindex() 或类似的。在我看来，这不是一个好的编码习惯。

对于在我看不到的上下文中处理元信息的问题，是否有直接的解决方案？

提前致谢

Answer 1

虽然构建自定义对象不是您的首选，但它可能是您唯一可行的选择，并且具有极其灵活的显着优势。这是一个非常简单的示例:

df=pd.DataFrame({'stock': 'AAPL AAPL MSFT MSFT'.split(),
                 'price':[ 445.,455.,195.,205.]})

col_labels = { 'stock' : 'Ticker Symbol',
               'price' : 'Closing Price in USD' }

这只是列标签的字典，但通常大多数元数据都与特定列相关。这是带有标签的示例数据:

df.rename(columns=col_labels)

#   Ticker Symbol  Closing Price in USD
# 0          AAPL                 445.0
# 1          AAPL                 455.0
# 2          MSFT                 195.0
# 3          MSFT                 205.0

好处是标签“持久化”，您基本上可以将它们应用于列是原始列的子集或超集的任何数据:

df.groupby('stock').mean().rename(columns=col_labels)

#        Closing Price in USD
# stock                      
# AAPL                  450.0
# MSFT                  200.0

如果使用 attrs 属性，您可以获得一些有限的持久性:

df.attrs = col_labels

但它相当有限。对于通过 .copy()、loc[] 或 iloc[] 派生的数据帧，它将持续存在，但对于 groupby 则不会()。您当然可以重新附加到任何衍生数据框，例如，

df2.attrs = df.attrs

但如 documentation 中所述(或缺乏)，这是一项实验性功能，可能会发生变化。似乎聊胜于无，也许以后会扩展。我找不到太多关于 attrs 的信息，但它似乎被初始化为一个空字典，并且只能是一个字典(或类似的)，当然列表可以嵌套在顶部下方水平。