Julia中实现Python Pandas index_col及多层索引表头功能的方法

问题场景 #

你有如下格式的CSV文件（忽略前两行空格，仅为对齐字母）：

, ,E,E,F,F
 , ,G,H,G,H
A,C,1,2,3,4
A,D,5,6,7,8
B,C,9,0,1,2
B,D,3,4,5,6

在Python中，你可以用Pandas通过指定header和index_col参数直接创建带多层表头和多层行索引的DataFrame：

import pandas as pd
df = pd.read_csv(path, header=[0,1], index_col=[0,1])

之后可以通过索引组合快速取值：

>>> df.loc[("A","D"), ("E","G")]
5

但在Julia中使用CSV和DataFrames包时，仅能通过header参数设置多层表头，却找不到对应index_col的选项：

df = CSV.read(path, DataFrame, header=[1,2], normalizenames=true) 

解决方案 #

Julia的CSV包确实没有原生的index_col参数，但可以通过手动处理或结合AxisKeys包实现相同的多层索引取值功能，以下是两种可行方法：

方法1：使用AxisKeys包实现类Pandas的索引取值 #

AxisKeys包可以创建带命名键的数组，完美支持多层索引的快速定位：

1. 先安装所需包（首次使用时）：

using Pkg
Pkg.add(["CSV", "DataFrames", "AxisKeys"])

2. 读取CSV并转换为KeyedArray：

using CSV, DataFrames, AxisKeys

# 读取CSV，保留原始多层表头，不修改列名
df = CSV.read("your_file_path.csv", DataFrame, header=[1,2], normalizenames=false)

# 提取行的多层键：将前两列的每行数据组合为Tuple
row_keys = collect(zip(df[!, 1], df[!, 2]))
# 提取列的多层键：列名本身已是Tuple类型（因设置了两层header）
col_keys = collect(Tuple.(names(df)[3:end]))
# 提取数据矩阵
data_matrix = Matrix(df[:, 3:end])

# 创建支持多层索引的KeyedArray
keyed_data = KeyedArray(data_matrix; row=row_keys, col=col_keys)

3. 像Pandas一样取值：

julia> keyed_data(row=("A", "D"), col=("E", "G"))
5

方法2：DataFrames原生方法（无需额外包） #

如果不想引入新包，可以通过布尔索引结合列名定位：

using CSV, DataFrames

df = CSV.read("your_file_path.csv", DataFrame, header=[1,2], normalizenames=false)

# 定位目标行和列
target_value = df[df[!,1] .== "A" .&& df[!,2] .== "D", [("E", "G")]]
# 提取数值
println(target_value[1,1])  # 输出5

这种写法虽然无需额外依赖，但相比AxisKeys会更繁琐，尤其当需要频繁进行索引取值时。

内容的提问来源于stack exchange，提问作者Breizhen