python - 嵌套的 Pandas 数据框 - 如何按数据选择/分组？

Question

我从嵌套字典生成了一个 Pandas 数据框，如下所示:

                Col1      Col2      Col3
XXX   aaa         1         8         1
      bbb         9         7         4
      ccc         3         5         9
      ddd         2         7         2

YYY   aaa         8         7         6
      bbb         1         7         3
      ccc         2         4         5
      ddd         2         1         1

ZZZ   aaa         2         2         4
      bbb         1         7         5
      ccc         0         1         2
      ddd         0         9         6

我现在正在努力完成以下任务:

1.获取所有数据，其中第二个索引 = "bbb"包括第一个索引值，如本例所示:

               Col1      Col2      Col3
XXX   bbb         1         8         1
YYY   bbb         8         7         6
ZZZ   bbb         2         2         4  

2.将数据帧分组为按第一个索引值(“XXX”、“YYY”、...)分组的多个数据帧

浏览 Pandas 文档和相关的 stackoverflow 问题并没有让我更进一步......

Answer 1

在嵌套的 DataFrame 中不是 index 而是 MultiIndex .

import pandas as pd
df = pd.DataFrame({'Col2': {('ZZZ', 'ccc'): 1, ('ZZZ', 'aaa'): 2, ('ZZZ', 'ddd'): 9, ('XXX', 'aaa'): 8, ('XXX', 'ccc'): 5, ('YYY', 'bbb'): 7, ('XXX', 'ddd'): 7, ('ZZZ', 'bbb'): 7, ('YYY', 'ddd'): 1, ('YYY', 'aaa'): 7, ('YYY', 'ccc'): 4, ('XXX', 'bbb'): 7}, 'Col3': {('ZZZ', 'ccc'): 2, ('ZZZ', 'aaa'): 4, ('ZZZ', 'ddd'): 6, ('XXX', 'aaa'): 1, ('XXX', 'ccc'): 9, ('YYY', 'bbb'): 3, ('XXX', 'ddd'): 2, ('ZZZ', 'bbb'): 5, ('YYY', 'ddd'): 1, ('YYY', 'aaa'): 6, ('YYY', 'ccc'): 5, ('XXX', 'bbb'): 4}, 'Col1': {('ZZZ', 'ccc'): 0, ('ZZZ', 'aaa'): 2, ('ZZZ', 'ddd'): 0, ('XXX', 'aaa'): 1, ('XXX', 'ccc'): 3, ('YYY', 'bbb'): 1, ('XXX', 'ddd'): 2, ('ZZZ', 'bbb'): 1, ('YYY', 'ddd'): 2, ('YYY', 'aaa'): 8, ('YYY', 'ccc'): 2, ('XXX', 'bbb'): 9}})
print df
         Col1  Col2  Col3
XXX aaa     1     8     1
    bbb     9     7     4
    ccc     3     5     9
    ddd     2     7     2
YYY aaa     8     7     6
    bbb     1     7     3
    ccc     2     4     5
    ddd     2     1     1
ZZZ aaa     2     2     4
    bbb     1     7     5
    ccc     0     1     2
    ddd     0     9     6

print df.index
MultiIndex(levels=[[u'XXX', u'YYY', u'ZZZ'], 
                   [u'aaa', u'bbb', u'ccc', u'ddd']],
           labels=[[0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2], 
                   [0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3]])

我认为您可以使用选择功能 xs :

print df.xs('aaa', level=1)
     Col1  Col2  Col3
XXX     1     8     1
YYY     8     7     6
ZZZ     2     2     4

print df.xs('bbb', level=1)
     Col1  Col2  Col3
XXX     9     7     4
YYY     1     7     3
ZZZ     1     7     5

文档中的

Multiindex 是 here .

选择:
cross section
using slicers - 其他 solution

和groupby通过第一级 Multiindex 进行聚合，例如mean :

print df.groupby(level=0).mean()
     Col1  Col2  Col3
XXX  3.75  6.75  4.00
YYY  3.25  4.75  3.75
ZZZ  0.75  4.75  4.25

Groupby with multiindex