python - 在按 MultiIndex 名称选择时如何分配给 Pandas DataFrame？

Question

主要问题:如何使用 MultiIndex 级别的名称来选择/切片多索引 DataFrame，并允许我分配给该切片？

测试数据

data = io.StringIO('''Fruit,Color,Count,Price
Apple,Red,3,$1.29
Apple,Green,9,$0.99
Pear,Red,25,$2.59
Pear,Green,26,$2.79
Lime,Green,9999,$0.39
''')
df_fruit = pd.read_csv(data, index_col=['Fruit', 'Color'])

new_green_data = io.StringIO('''Fruit,Count,Price
Apple,2,$0.96
Lime,9993,$0.40
Pear,12,$2.90
''')
df_new_green = pd.read_csv(new_green_data, index_col='Fruit')

这设置了两个 DataFrame:

df_fruit:

| Fruit   | Color   |   Count | Price   |
|:--------|:--------|--------:|:--------|
| Apple   | Red     |       3 | $1.29   |
| Apple   | Green   |       9 | $0.99   |
| Pear    | Red     |      25 | $2.59   |
| Pear    | Green   |      26 | $2.79   |
| Lime    | Green   |    9999 | $0.39   |

df_new_green:

| Fruit   |   Count | Price   |
|:--------|--------:|:--------|
| Apple   |       2 | $0.96   |
| Lime    |    9993 | $0.40   |
| Pear    |      12 | $2.90   |

想要的

我想更新 df_fruit 中的行，其中 Color 为 Green，以便它们与传入 中的值匹配>df_new_green 数据。最终输出应该是:

| Fruit   | Color   |   Count | Price   |
|:--------|:--------|--------:|:--------|
| Apple   | Red     |       3 | $1.29   |
| Apple   | Green   |       2 | $0.96   |
| Pear    | Red     |      25 | $2.59   |
| Pear    | Green   |      12 | $2.90   |
| Lime    | Green   |    9993 | $0.40   |

请注意，df_new_green 中水果的顺序与 df_fruit 不同。因此，在执行赋值时，我需要保留两侧的索引，以便正确处理。

我所知道的

我知道有几种方法可以选择要在 DataFrame 中更新的内容:

df_fruit.xs(key='Green', level='Color')

这会产生正确的数据 View ，但我无法分配给它。同样关闭:

df_fruit[df_fruit.index.get_level_values('Color') == 'Green']

和

idx = pd.IndexSlice
df_fruit.loc[idx[:, 'Green'], :]

两者都给我相同的 View ，但它们仍然包含 MultiIndex 的 Color 级别:

| Fruit   | Color   |   Count | Price   |
|:--------|:--------|--------:|:--------|
| Apple   | Green   |       9 | $0.99   |
| Pear    | Green   |      26 | $2.79   |
| Lime    | Green   |    9999 | $0.39   |

我可以使用df_new_green分配给该 View ，但这会产生NaN，因为df_new_green不包含Color 其索引级别。第二种选择(使用 IndexSlice)也不是很好，因为我不是根据其名称来选择级别，而是根据其在 MultiIndex 中的位置来选择级别。如果我在其中任何一个上运行 droplevel('Green')，我会再次获得正确的 View ，但无法分配给它。

我可以删除新值上的索引，但这会导致使用错误的值:

df_fruit.loc[idx[:, 'Green'], :] = df_new_green._values

这会产生:

| Fruit   | Color   |   Count | Price   |
|:--------|:--------|--------:|:--------|
| Apple   | Red     |       3 | $1.29   |
| Apple   | Green   |       2 | $0.96   |
| Pear    | Red     |      25 | $2.59   |
| Pear    | Green   |    9993 | $0.40   |
| Lime    | Green   |      12 | $2.90   |

...但这是错误的，因为梨和酸橙的值被交换了。我需要保留更新 DataFrame 上的索引。

丑陋的方式

df_fruit[df_fruit.index.get_level_values('Color') == 'Green'] = df_new_green.assign(Color='Green').set_index('Color', append=True)

...呃。这会产生正确的答案并满足要求，但是天哪，这太丑了。

Answer 1

我会使用assign和set_index然后combine_first:

(df_new_green.assign(Color='Green')
             .set_index('Color', append=True)
             .combine_first(df_fruit))

输出:

|    | Fruit   | Color   |   Count | Price   |
|---:|:--------|:--------|--------:|:--------|
|  0 | Apple   | Green   |       2 | $0.96   |
|  1 | Apple   | Red     |       3 | $1.29   |
|  2 | Lime    | Green   |    9993 | $0.40   |
|  3 | Pear    | Green   |      12 | $2.90   |
|  4 | Pear    | Red     |      25 | $2.59   |