python - MultiIndexing 行与 pandas DataFrame 中的列

Question

我正在 pandas 中使用多索引数据框，我想知道我是否应该对行或列进行多索引。

我的数据看起来像这样:

代码:

import numpy as np
import pandas as pd
arrays = pd.tools.util.cartesian_product([['condition1', 'condition2'], 
                                          ['patient1', 'patient2'],
                                          ['measure1', 'measure2', 'measure3']])
colidxs = pd.MultiIndex.from_arrays(arrays, 
                                    names=['condition', 'patient', 'measure'])
rowidxs = pd.Index([0,1,2,3], name='time')
data = pd.DataFrame(np.random.randn(len(rowidxs), len(colidxs)), 
                    index=rowidxs, columns=colidxs)

这里我选择对列进行多索引，原因是 pandas 数据框由系列组成，而我的数据最终是一堆时间序列(因此这里按时间行索引)。

我有这个问题是因为多索引的行和列之间似乎存在一些不对称。例如，在 this 中文档网页它显示了 query 如何对行多索引数据框起作用，但是如果数据框是列多索引数据框，那么文档中的命令必须替换为 df.T.query( 'color == "red"').T.

我的问题可能看起来有点傻，但我想看看多索引行与数据帧的列(例如上面的 query 案例)在便利性方面是否有任何区别。

谢谢。

Answer 1

我对DataFrame的一些常见操作的行/列倾向的粗略个人总结:

• []:列优先
• get:仅列
• 作为索引访问的属性:仅列
• 查询:仅行
• loc, iloc, ix:行优先
• xs:行优先
• sortlevel:行优先
• groupby:行优先

"row-first"表示操作期望行索引作为第一个参数，并且要对列索引进行操作需要使用 [:, ] 或指定 axis=1;
“仅行”意味着该操作仅适用于行索引，并且必须执行一些操作，例如转置数据帧以对列索引进行操作。

基于此，多索引行似乎稍微方便一些。

我的一个自然问题:为什么 pandas 开发人员不统一 DataFrame 操作的行/列倾向？例如，[] 和 loc/iloc/ix 是两种最常用的数据帧索引方式，但一种切片列而另一种切片行似乎有点奇怪。