Pandas多级索引混合使用.loc与.iloc选取各顶级索引下前n行的方法

首先补全可运行的测试代码:
import pandas as pd import numpy as np tuples = [ ('fox', 'anton1'), ('fox', 'anton2'), ('fox', 'anton3'), ('fox', 'anton4'), ('bat', 'girv2'), ('bat', 'girv3'), ('bat', 'girv4'), ('bat', 'girv5'), ('bear', 'kalg1'), ('bear', 'kalg2'), ('bear', 'kalg3'), ('bear', 'kalg4'), ] np.random.seed(1) data = np.random.rand(12,1) mix = pd.MultiIndex.from_tuples(tuples, names=('style', 'bureau')) df = pd.DataFrame(index=mix, data=data, columns=['foo'])
两个需求可以通过groupby+head直接实现,这是最简洁的分组内按位置切片方案:
场景1:所有顶级style分组各取前2行
按顶级索引分组后调用head(n),n为每个分组要取的前N行:
# 每个style分组取前2行 res1 = df.groupby(level='style').head(2)
输出结果对应示例中黄色高亮的所有分组前2行数据。
场景2:先筛选指定style,再取各分组前N行
先用loc筛选指定的顶级索引值,再做分组取行即可:
# 仅筛选fox和bear,每个分组取前2行 res2 = df.loc[['fox', 'bear']].groupby(level='style').head(2)
灵活扩展方案
如果需要更复杂的分组内位置筛选(比如取第2-3行),可以用groupby.cumcount()生成分组内的位置序号,再做布尔索引:
# 等效于场景1的效果,cumcount从0开始生成分组内行序号 res1_alt = df[df.groupby(level='style').cumcount() < 2]
你之前直接使用iloc不生效的原因是:iloc是对整个DataFrame的全局行位置做切片,无法识别多级索引的分组边界,自然达不到分组内按位置取数的效果。
内容的提问来源于stack exchange,提问作者user3556757
相关产品推荐
相关产品推荐

