python - 处理 pandas DF 中的重复索引

Question

我在 pandas 中有一对时间序列，还有一个函数会查看它们的小时间片并根据行中值的某些标准将行提取为相同。此函数返回两个数据框的元组，其中删除了这些匹配的行并将其放置在新数据框列表中。

我已经意识到，问题在于数据框可能包含两个相同索引的可能性很小(虽然可能性很小)，在这种情况下，drop 命令将同时删除原始索引和具有重复索引的行，这偶尔会导致不正确的结果。

请注意，这两个数据帧都很小，在所有情况下都小于 10 行，所以可怕的 O() 行为是可以的。

我想到了两种解决方法，但我不确定具体如何实现。

(1) 按整数位置引用行，但 drop 似乎不适用于整数规范。我可以这样做:

df.reset_index().drop(1).set_index(["Thingy", "Other"])

重置多索引，但这依赖于我知道其他索引级别的名称，感觉真的很慢/hacky。虽然我猜它可能很好。

(2) 检查重复索引，然后向它们添加一些微小的时间增量，这样它们就不再是重复的，但我也不知道如何优雅地做到这一点。

下面是此类函数的一个简单示例:

def extract_pairs(df_first, df_second, threshold=0.0):
    name1 = df_first.name
    name2 = df_second.name
    results = []
    flag = False
    for index1, row1 in df_first.iterrows():
        for index2, row2 in df_second.iterrows():
            val1 = row1.get_value("SIZE")
            val2 = row2.get_value("SIZE")
            if val1*(1-threshold) <= val2 <= val1*(1+threshold) :
                row1.loc["Name"] = name1
                row2.loc["Name"] = name2
                results.append(pd.DataFrame([row1, row2], index=[index1, index2]))
                flag = True
                break
        if flag:
            break

    if flag:
        df_first = df_first.drop(index1) #May remove more than one entry!
        df_first.name = name1
        df_second = df_second.drop(index2) #May remove more than one entry!
        df_second.name = name2
        df_first, df_second, new_results = extract_pairs(df_first, df_second)
        results.extend(new_results)

    return df_first, df_second, results

==================示例===============

假设输入数据帧是:

Index SIZE          Index SIZE 
 A     5              B    5     
 A     7              C    6

调用时所需的输出是三帧:

Index SIZE          Index SIZE      Index Name Size      
 A     7              C     6         A    Foo  5
                                      B    Bar  5

但是给定函数的实际输出是:

Index SIZE          Index SIZE      Index Name Size      
 EMPTY DF             C     6         A    Foo  5
                                      B    Bar  5

因为 drop(index1) 行删除了索引为 A 的所有行。

Answer 1

我想，你可以做以下几步:

1. 使用 reset_index() 将索引放入数据框
2. 选择你的条件之后的行，使用.index返回行位置
3. drop() 按位置排列行
4. 使用set_index(index)，将“index”列重新设置为您的索引

我做了下面的例子，我想删除A列> 0的所有行，返回的行索引将是[1,2,2]，但第四行的名称也是“2", 这是你的问题吗？

# Generate the dataset
np.random.seed(1)
rowname = [1,2,2,2,4,4]
myDf = pd.DataFrame(np.random.randn(6,4), index=rowname, columns=list('ABCD'))
print myDf
>>>
          A         B         C         D
 1  1.624345 -0.611756 -0.528172 -1.072969
 2  0.865408 -2.301539  1.744812 -0.761207
 2  0.319039 -0.249370  1.462108 -2.060141
 2 -0.322417 -0.384054  1.133769 -1.099891
 4 -0.172428 -0.877858  0.042214  0.582815
 4 -1.100619  1.144724  0.901591  0.502494

# put your rowindex to your dataframe
newDf = myDf.reset_index()

# get the index from the new dataframe, drop them and set the index back to your result
result = newDf.drop(newDf[newDf.A>0].index).set_index("index")
print result

>>>           A         B         C         D
index                                        
 2     -0.322417 -0.384054  1.133769 -1.099891
 4     -0.172428 -0.877858  0.042214  0.582815
 4     -1.100619  1.144724  0.901591  0.502494