使用多索引 pandas 数据框

Question

我正在使用多索引数据框，但在尝试过滤/更新其值时遇到了一些问题。

我需要的：

1. 将“名称 1”、“名称 2”等更改为大写

2. 例如，获取 {Group 1+ A} 中值为 1 的所有名称

3. 选择后获取上一步中的名称列表（NAME 1、NAME 2等）

如果我也可以将此 MultiIndex 数据帧转换为“正常”数据帧，那也可以。

示例代码：

import pandas as pd

sample_file = '.../Sample.xlsx'

excel_file = pd.ExcelFile(sample_file)

df = excel_file.parse(header=[0, 1], index_col=[0], sheet_name=0)

# Upper case columns

c_cols = licensing_df.columns.get_level_values(0).str.upper()

s_cols = licensing_df.columns.get_level_values(1).str.upper()

licensing_df.columns = pd.MultiIndex.from_arrays([c_cols, s_cols])

# TODO: step 1

# Step 2

valid = df[df[('GROUP 1', 'A')] == 1]

# TODO: Step 3

这是数据框的示例图片：

Answer 1

使用您的excel文件：df = pd.read_excel('Downloads/Sample.xlsx', header=[0,1], index_col=0)df输出：Lists  Group 1                                         ... Group 2                                         Name        AR   AZ   CA   CO  CT   FL  GA   IL IN KY  ...      SC  SD   TN   TX   UT   VA WA   WI  WV   WYName 1     NaN  1.0  1.0  1.0 NaN  1.0 NaN  NaN  1  1  ...       1 NaN  1.0  1.0  1.0  1.0  1  1.0 NaN  1.0Name 2     NaN  NaN  NaN  NaN NaN  1.0 NaN  1.0  1  1  ...       1 NaN  1.0  NaN  NaN  1.0  1  NaN NaN  NaNName 3     NaN  NaN  NaN  NaN NaN  NaN NaN  1.0  1  1  ...       1 NaN  NaN  NaN  NaN  NaN  1  NaN NaN  NaN[3 rows x 72 columns]待办事项 #1df.index = df.index.str.upper()df输出：Lists  Group 1                                         ... Group 2                                         Name        AR   AZ   CA   CO  CT   FL  GA   IL IN KY  ...      SC  SD   TN   TX   UT   VA WA   WI  WV   WYNAME 1     NaN  1.0  1.0  1.0 NaN  1.0 NaN  NaN  1  1  ...       1 NaN  1.0  1.0  1.0  1.0  1  1.0 NaN  1.0NAME 2     NaN  NaN  NaN  NaN NaN  1.0 NaN  1.0  1  1  ...       1 NaN  1.0  NaN  NaN  1.0  1  NaN NaN  NaNNAME 3     NaN  NaN  NaN  NaN NaN  NaN NaN  1.0  1  1  ...       1 NaN  NaN  NaN  NaN  NaN  1  NaN NaN  NaN[3 rows x 72 columns]待办事项 #2df[df.loc[:, ('Group 1', 'AZ')] == 1].index.to_list()输出：['NAME 1']待办事项 #3df[df.loc[:, ('Group 1', 'IL')] == 1].index.to_list()输出：['NAME 2', 'NAME 3']

Answer 2

由于您没有提供输入样本，因此我只能假设您要达到的目标。如果您尝试使用 MultIndex 选择和修改特定行，您可以使用 .loc 运算符和您在 MultiIndex 中指定的相应元组，例如df.loc['Name1', ('GROUP 1', 'A')]让我们模拟一些数据...index = pd.MultiIndex.from_product([[2013, 2014], [1, 2]],                                    names=['year', 'visit'])columns = pd.MultiIndex.from_product([['Bob', 'Guido', 'Sue'], ['HR', 'Temp']],                                      names=['subject', 'type'])data=np.array(list(string.ascii_lowercase))[:24].reshape((4, 6))df = pd.DataFrame(    columns=columns,    index=index,    data=data)这是我们的 MultiIndex 数据帧：subject    Bob      Guido      Sue     type        HR Temp    HR Temp  HR Tempyear visit                             2013 1       a    b     c    d   e    f     2       g    h     i    j   k    l2014 1       m    n     o    p   q    r     2       s    t     u    v   w    x让我们选择第一行并将字母更改为大写...df.loc[(2013, 1)].str.upper()...同样对于第一列...df.loc[('Bob', 'HR')].str.upper()...最后我们选择一个特定的单元格df.loc[(2014, 1), ('Guido', 'HR')].upper()返回'O'我希望这能让您了解如何使用 .loc 运算符....