python - 重命名 Panda Series/DataFrame 的索引

Question

为什么我可以使用 ('a','b') 而不是 (1.0, 2.0) 重命名 Pandas 系列中的一行。为什么元组中值的类型很重要？

df = pd.DataFrame({'a': [1,2,3,4,5], 'b':[1,1,1,1,1,]}).set_index('a')

df.rename(index={1:(1,2)})
*** ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
df.rename(index={1:('1','2')})
        b
a
(1, 2)  1
2       1
3       1
4       1
5       1

我非常希望能够将其保留为整数/ float 。

Answer 1

我不确定为什么不能使用 rename 完成它，但是您可以在列表中创建整数或浮点元组，然后将结果分配给索引。

这适用于 Pandas 0.14.1:

idx = [(1, 2), 2, 3, 4, 5]
df.index = idx
>>> df
        b
(1, 2)  1
2       1
3       1
4       1
5       1

编辑以下是与 50 万行数据帧的一些时序比较。

import numpy as np
import pandas as pd

df = pd.DataFrame({'a': [1,2,3,4,5]*100000, 'b':[1,1,1,1,1,]*100000})
# Create 100k random numbers in the range of the index.
rn = np.random.random_integers(0, 499999, 100000)

# Normal lookup using `loc`.
>>> %%timeit -n 3 some_list = []
    [some_list.append(df.loc[a]) for a in rn]
3 loops, best of 3: 6.63 s per loop

# Normal lookup using 'xs' (used only for getting values, not setting them).
>>> %%timeit -n 3 some_list = []
    [some_list.append(df.xs(a)) for a in rn]
3 loops, best of 3: 4.46 s per loop 

# Set the index to tuple pairs and lookup using 'xs'.
idx = [(a, a + 1) for a in np.arange(500000)]
df.index = idx
>>> %%timeit -n 3 some_list = []
    [some_list.append(df.xs((a, a + 1))) for a in rn]
3 loops, best of 3: 4.64 s per loop

如您所见，从数据框中查找值时，性能差异可以忽略不计。

请注意，您不能将“loc”与元组索引一起使用:

>>> df.loc[(1, 2)]
KeyError: 'the label [1] is not in the [index]'